Python中的全范围随机数

我用这行代码生成了一系列随机浮动：

random.random()*(maxval-minval) + minval

我用它来给一个给定的变量添加可变噪声，添加的噪声量取决于一系列因素。在某些情况下，噪声应该非常高，以至于在实践中原始值丢失，我有一个完全随机的值

---

在此上下文中，代码使用有限值，但如果使用“inf”，它将返回NaN。是否有一种变通方法来允许可能包含无穷大的连续随机范围？我不想篡改

os.random（）

，因为它是特定于机器的。

如果定义无限域上的均匀随机分布，则选择域中任何值的概率都是无穷小的。你所要求的在数学上没有任何意义。

如果你在无限域上定义一个均匀的随机分布，被选择的域中任何值的概率都是无穷小的。你所要求的没有任何数学意义。

在评论中讨论之后，我建议如下：

>>> m=sys.maxint
>>> np.random.uniform(-m,m,5)
array([ -5.32362215e+18,  -2.90131323e+18,   5.14492175e+18,
        -5.64238742e+18,  -3.49640768e+18])

---

如前所述，您可以使用

sys.maxint

获得最大整数，然后您可以使用

np.random.randint

获得

maxint

和

-maxint

之间的随机数。在评论中进行讨论后，我建议如下：

>>> m=sys.maxint
>>> np.random.uniform(-m,m,5)
array([ -5.32362215e+18,  -2.90131323e+18,   5.14492175e+18,
        -5.64238742e+18,  -3.49640768e+18])

---

如前所述，您可以使用

sys.maxint

获得最大整数，然后您可以使用

np.random.randint

获得

maxint

和

-maxint

之间的随机数，正如@Asad所说的，您所尝试的在数学上不太合理。但你能做的是：

• 定义一个非常大的数字（也许这篇文章有帮助：）

• 根据需要，使用random.uniform（0，biggestValue）作为随机值的近似值

---

也许这就是你想要的。

正如@Asad所说，你所尝试的在数学上并不完全合理。但你能做的是：

• 定义一个非常大的数字（也许这篇文章有帮助：）

• 根据需要，使用random.uniform（0，biggestValue）作为随机值的近似值

---

也许这就是你想要的。

正如前面所说，你不能在整个实线上有均匀分布，但你可以使用其他具有实线支持的随机分布。考虑柯西分布。它有“重尾”，这仅仅意味着有相当大的概率得到非常大的数字。

正如前面所说，你不能在整个实线上有均匀分布，但你可以使用其他具有实线支持的随机分布。考虑柯西分布。它有“重尾”，这仅仅意味着有相当大的概率获得非常大的数字。

Python 2中的最小值是

-sys.maxint-1

，Python 2中的最小值是

-sys.maxint-1

。