Martijn的答案是对Python可以访问的随机数生成器的简洁总结。
如果要检查生成的伪随机数据的属性，请
random.zip从http://www.fourmilab.ch/random/下载，然后对大量随机数据进行运行。特别是χ²（卡方）检验对随机性非常敏感。为了使序列真正随机，来自χ²检验的百分比应在10％到90％之间。
对于游戏，我猜想Python内部使用的Mersenne Twister应该足够随机（除非您要建立在线赌场:-）。
如果您想要 纯
随机性，并且您正在使用Linux，则可以从中阅读
/dev/random。这只会从内核的熵池中生成随机数据（该数据是从中断到达的不可预测的时间收集的），因此，如果用尽了它将阻塞。该熵用于初始化（种子）所使用的PRNG
/dev/urandom。在FreeBSD上，提供数据供
/dev/random使用的PRNG使用Yarrow算法，该算法通常被认为是加密安全的。
编辑： 我对中的字节进行了一些测试
random.randint。首先创建一百万个随机字节：
import randomba = bytearray([random.randint(0,255) for n in xrange(1000000)])with open('randint.dat', 'w+') as f: f.write(ba)然后，我
ent从Fourmilab上运行了该程序：
Entropy = 7.999840 bits per byte.Optimum compression would reduce the sizeof this 1000000 byte file by 0 percent.Chi square distribution for 1000000 samples is 221.87, and randomlywould exceed this value 93.40 percent of the times.Arithmetic mean value of data bytes is 127.5136 (127.5 = random).Monte Carlo value for Pi is 3.139644559 (error 0.06 percent).Serial correlation coefficient is -0.000931 (totally uncorrelated = 0.0).
现在，对于χ²检验，您从50％得到的数据越多，对数据的怀疑就越大。如果非常挑剔，则将<10％或> 90％的值视为不可接受。作者约翰·沃克（John
Walker）
ent将此值称为“几乎可疑”。
相比之下，这与我之前运行的FreeBSD的Yarrow prng对10 MiB的分析相同：
Entropy = 7.999982 bits per byte.Optimum compression would reduce the sizeof this 10485760 byte file by 0 percent.Chi square distribution for 10485760 samples is 259.03, and randomlywould exceed this value 41.80 percent of the times.Arithmetic mean value of data bytes is 127.5116 (127.5 = random).Monte Carlo value for Pi is 3.139877754 (error 0.05 percent).Serial correlation coefficient is -0.000296 (totally uncorrelated = 0.0).
尽管其他数据似乎没有太大差异，但χ²百分比 更 接近50％。
