تولید اعداد تصادفی غیرتکراری در پایتون

1. مقدمه

در زبان پایتون، تولید عدد تصادفی برای کاربردهای مختلف مانند قرعه‌کشی، تولید داده تست، شبیه‌سازی، رمزهای موقت و بازی‌ها بسیار استفاده می‌شود. اما در بسیاری از مواقع لازم است این اعداد بدون تکرار باشند تا نتیجه معتبر و قابل استفاده باشد.

در این مقاله ابتدا با تولید اعداد تصادفی ساده در پایتون آشنا می‌شویم و سپس سراغ روش‌های تولید اعداد تصادفی غیرتکراری می‌رویم.

2. تولید عدد تصادفی در پایتون (Random Number)

برای تولید عدد تصادفی در پایتون می‌توان از ماژول random استفاده کرد. چند نمونه ساده:

مثال ۱: تولید عدد صحیح تصادفی در یک بازه

import random

num = random.randint(1, 10)
print(num)
# خروجی: مثلا 7

مثال ۲: تولید عدد اعشاری تصادفی بین 0 و 1

import random

value = random.random()
print(value)
# خروجی: مثلا 0.5382193821

مثال ۳: انتخاب تصادفی از یک لیست

import random

items = [10, 20, 30, 40]
choice = random.choice(items)
print(choice)
# خروجی: مثلا 30

مشکل اصلی این است که در تولید عدد تصادفی ساده، احتمال تکراری بودن مقدارها وجود دارد و باید خودمان این موضوع را مدیریت کنیم.

3. تولید اعداد تصادفی غیرتکراری در پایتون

برای تولید اعداد تصادفی بدون تکرار چند روش کاربردی وجود دارد.

روش اول: استفاده از نمونه‌گیری با random.sample

این روش بهترین و راحت‌ترین گزینه برای دریافت چند عدد تصادفی بدون تکرار از یک بازه مشخص است.

import random

numbers = random.sample(range(1, 51), 5)
print(numbers)
# خروجی: مثلا [12, 47, 3, 29, 41]

روش دوم: استفاده از Shuffle برای درهم‌ریزی لیست

در این روش ابتدا لیست می‌سازیم و سپس ترتیب آن را تصادفی می‌کنیم:

import random

nums = list(range(1, 11))
random.shuffle(nums)
print(nums)
# خروجی: مثلا [7, 2, 9, 1, 10, 3, 8, 5, 6, 4]

روش سوم: جلوگیری از تکرار با استفاده از Set

اگر بخواهیم یکی‌یکی اعداد تولید کنیم و مطمئن باشیم تکراری نیستند:

import random

unique_numbers = set()

while len(unique_numbers) < 5:
    unique_numbers.add(random.randint(1, 20))

print(unique_numbers)
# خروجی: مثلا {3, 15, 7, 19, 12}

روش چهارم: تولید یکتا با استفاده از numpy 

اگر با اعداد زیاد یا محاسبات علمی کار دارید:

import numpy as np

nums = np.random.choice(range(1, 51), size=7, replace=False)
print(nums)
# خروجی: مثلا [34  2 17 45  9 28 11]

4. مقایسه روش‌ها

5. نتیجه‌گیری

اگر تعداد مشخصی عدد تصادفی بدون تکرار از یک بازه نیاز دارید، random.sample بهترین و سریع‌ترین روش است.

اگر کل بازه را می‌خواهید به‌صورت تصادفی مرتب کنید، از shuffle استفاده کنید.

در مواردی که می‌خواهید تدریجی عدد تولید کنید و تکراری نباشد، set کاربردی است.

برای پروژه‌های علمی یا حجم بالا، numpy.choice گزینه مناسب‌تری است.