将字符串转换为随机但确定性可重复的均匀概率

Question

如何转换字符串，例如用户ID加盐，在半开放范围[0.0,1.0]中随机查看但实际上是确定性可重复的均匀概率？这个means表示输出≥0.0且<1.0。无论输入分布如何，输出分布必须是均匀的。例如，如果输入字符串是'a3b2Foobar'，则输出概率可以重复为0.40341504。

需要跨语言和跨平台的算法再现性。除非有更好的方法，否则我倾向于使用哈希函数。这是我有的：

>>> in_str = 'a3b2Foobar'
>>> (int(hashlib.sha256(in_str.encode()).hexdigest(), 16) % 1e8) / 1e8
0.40341504

我正在使用最新的稳定Python 3.请注意，这个问题与convert an integer to a random but deterministically repeatable choice的相关问题相似但不完全相同。

Answer 1

Using hash

加密散列可以是[0，MAX_HASH]范围内的均匀分布的整数。因此，通过将其除以MAX_HASH + 1，可以将其缩放到[0,1]范围内的浮点数。

import hashlib

Hash = hashlib.sha512
MAX_HASH_PLUS_ONE = 2**(Hash().digest_size * 8)

def str_to_probability(in_str):
    """Return a reproducible uniformly random float in the interval [0, 1) for the given string."""
    seed = in_str.encode()
    hash_digest = Hash(seed).digest()
    hash_int = int.from_bytes(hash_digest, 'big')  # Uses explicit byteorder for system-agnostic reproducibility
    return hash_int / MAX_HASH_PLUS_ONE  # Float division

>>> str_to_probability('a3b2Foobar')
0.3659629991207491

笔记：

• 不得使用内置的hash方法，因为它可以保留输入的分布，例如，与hash(123)。或者，它可以返回重新启动Python时不同的值，例如与hash('123')。
• 因为浮动分割就足够了，所以不需要使用模数。

Using random

random模块可以与in_str一起使用，同时解决围绕thread safety和连续性的问题。

使用这种方法，不仅需要考虑跨语言的可重复性，而且跨多个未来版本的Python的可重复性也可能是一个问题。因此不建议这样做。

import random

def str_to_probability(in_str):
    """Return a reproducible uniformly random float in the interval [0, 1) for the given seed."""
    return random.Random(in_str).random()

>>> str_to_probability('a3b2Foobar')
0.4662507245848473