在python中生成专业的伪随机数包。
项目描述
Pure_PRNG
在python中生成专业的伪随机数包。
只实现了具有良好统计特性的伪随机数算法。
有一些“方法”可以指定多精度伪随机序列的周期。
实现的伪随机数生成算法
| PRNG 算法 | 时期 |
|---|---|
| 二次同余生成器（QCG） | 2^256 |
| 三次同余生成器（CCG） | 2^256 |
| 逆同余生成器（ICG） | 102*2^256 |
| PCG64_XSL_RR | 2^128 |
| PCG64_DXSM | 2^128 |
| LCG64_32_ext | 2^128 |
| LCG128Mix_XSL_RR | 2^128 |
| LCG128Mix_DXSM | 2^128 |
| LCG128Mix_MURMUR3 | 2^128 |
| 飞利浦计数器 | 4*2^(4*64) |
| 三油炸计数器 | 4*2^(4*64) |
| AES计数器 | 2^128 |
| 查查计数器 | 2^128 |
| SPECK计数器 | 2^129 |
| XSM64 | 2^128 |
| EFIIX64 | 2^64 |
| 拆分混合64 | 2^64 |
| Ran64 | 2^64 |
如果任何 PRNG 未能通过新的统计测试，请通知我。
安装
可以通过pip进行安装。你必须有 python 版本 >= 3.8
pip install pure-prng
用法
导入包的语句：
from pure_prng_package import pure_prng
例子：
>>> seed = 170141183460469231731687303715884105727
>>> period = 115792089237316195423570985008687907853269984665640564039457584007913129639747
>>> prng_instance = pure_prng(seed)
>>> source_random_number = prng_instance.source_random_number()
>>> next(source_random_number)
65852230656997158461166665751696465914198450243194923777324019418213544382100
>>> prng_instance = pure_prng(seed, new_prng_period = 2 ** 512)
>>> source_random_number = prng_instance.source_random_number()
>>> next(source_random_number)
8375486648769878807557228126183349922765245383564825377649864304632902242469125910865615742661048315918259479944116325466004411700005484642554244082978452
>>> prng_instance = pure_prng(seed)
>>> rand_bits = prng_instance.rand_bits(512)
>>> next(rand_bits)
mpz(6144768950704661248519702670268583753928668607451020183407159490385670202458730311510261255705698403097105657582435836672179668357656056427608305574891156)
>>> rand_bits = prng_instance.rand_bits(512, period)
>>> next(rand_bits)
mpz(2954964798889411590155032615694646383408546750268072607273800792672971321854983100133610686738061114434885994588970398525439724215184541467422573311905001)
>>> prng_instance = pure_prng(seed)
>>> rand_float = prng_instance.rand_float(100)
>>> next(rand_float)
mpfr('0.56576176351048513846261940831522',100)
>>> prng_instance = pure_prng(seed)
>>> rand_int = prng_instance.rand_int(100, 1)
>>> next(rand_int)
mpz(21)
>>> prng_instance = pure_prng(seed)
>>> get_randint_set = prng_instance.get_randint_set(100, 1, 6)
>>> next(get_randint_set)
{mpz(34), mpz(99), mpz(37), mpz(45), mpz(19), mpz(21)}
>>> prng_instance = pure_prng(seed)
>>> rand_with_period = prng_instance.rand_with_period(period)
>>> next(rand_with_period)
mpz(65852230656997158461166665751696465914198450243194923777324019418213544381986)
>>> rand_with_period = prng_instance.rand_with_period(period, 'raw_binary_number')
>>> next(rand_with_period)
mpz(53067260390396280968027884646874354062063398901623645439544105836818444733296)
未来的工作
旨在实现以下算法：
NLFSR
蜂窝自动化周期伪随机
GPU 飞利浦
下载文件
下载适用于您平台的文件。如果您不确定要选择哪个，请了解有关安装包的更多信息。
源分布
pure_prng-2.9.0.tar.gz
（16.8 kB
查看哈希）
内置分布
pure_prng-2.9.0-py3-none-any.whl
（32.4 kB
查看哈希）