ค่าสุ่ม
เมื่อเรามีเครื่องมือในการผลิตข้อมูลสุ่มดิบแล้ว คำถามถัดมาคือ เราจะแปลงข้อมูลเหล่านั้นให้กลายเป็นค่าของชนิดข้อมูลที่เราต้องการใช้งานได้อย่างไร?
นี่เป็นคำถามที่มีคำตอบสองชั้น: เพราะเราจำเป็นต้องทราบทั้ง ขอบเขตช่วงค่า (range) ที่ต้องการ และชนิดของ การแจกแจง (distribution) ของค่านั้นๆ (ซึ่งจะเป็นประเด็นหลักในบทถัดไป)
เทรต Rng
เพื่อความสะดวกในการพัฒนา ตัวสร้างเลขสุ่มทุกตัวจะอิมพลีเมนต์เทรต Rng ให้โดยอัตโนมัติ ซึ่งทำหน้าที่เป็นทางลัดสำหรับสร้างค่าสุ่มในรูปแบบต่างๆ มากมาย โดยมีฟังก์ชันอำนวยความสะดวกสำหรับการสร้างค่าที่มีการแจกแจงแบบสม่ำเสมอ (Uniform) ดังนี้:
-
Rng::randomสุ่มสร้างค่าที่ไม่ลำเอียง (แบบสม่ำเสมอ) จากช่วงค่าที่เหมาะสมตามแต่ละชนิดข้อมูล สำหรับจำนวนเต็มโดยทั่วไปจะครอบคลุมช่วงค่าทั้งหมดที่ชนิดข้อมูลนั้นแทนค่าได้ (เช่น จาก0u32ถึงstd::u32::MAX) สำหรับเลขทศนิยมจะอยู่ระหว่าง 0 ถึง 1 และยังรองรับชนิดข้อมูลอื่นๆ เช่น อาร์เรย์ และ ทูเพิลเมธอดนี้เป็น wrapper อำนวยความสะดวกที่ห่อหุ้มการแจกแจง
StandardUniformเอาไว้ ตามที่อธิบายไว้ในส่วนถัดไป -
Rng::random_rangeสุ่มสร้างค่าที่ไม่ลำเอียงภายในช่วงค่าที่ระบุ -
Rng::fillและRng::try_fillฟังก์ชันที่ได้รับการปรับแต่งประสิทธิภาพมาเป็นพิเศษสำหรับเติมค่าสุ่มลงในสไลซ์ของไบต์หรือสไลซ์ของจำนวนเต็มใดๆ
นอกจากนี้ยังมีฟังก์ชันอำนวยความสะดวกสำหรับการสร้างค่าบูลีนแบบไม่สม่ำเสมอ:
Rng::random_boolสุ่มค่าบูลีนตามความน่าจะเป็นที่กำหนดRng::random_ratioสุ่มค่าบูลีนเช่นกัน โดยกำหนดความน่าจะเป็นในรูปของเศษส่วน
และสุดท้าย มีฟังก์ชันสำหรับสุ่มค่าจากการแจกแจงใดๆ ก็ได้:
Rng::sampleสุ่มค่าโดยตรงจากการแจกแจง (distribution) ที่กำหนด
ตัวอย่าง:
use rand::RngExt;
fn main() {
let mut rng = rand::rng();
// an unbiased integer over the entire range:
let i: i32 = rng.random();
println!("i = {i}");
// a uniformly distributed value between 0 and 1:
let x: f64 = rng.random();
println!("x = {x}");
// simulate rolling a die:
println!("roll = {}", rng.random_range(1..=6));
}
นอกจากนี้ ฟังก์ชัน random ยังเป็นทางลัดไปยัง Rng::random บน rng():
use rand::Rng;
fn main() {
println!("Tossing a coin...");
if rand::random() {
println!("We got lucky!");
}
}
ชนิดข้อมูลสุ่มที่กำหนดเอง
จากตัวอย่างข้างต้น จะสังเกตเห็นว่าการเรียก rng.random() จะให้การแจกแจงของค่าที่แตกต่างกันไปตามชนิดข้อมูล:
- ค่า
i32จะถูกสุ่มขึ้นจากช่วงi32::MIN ..= i32::MAXแบบสม่ำเสมอ - ค่า
f32จะถูกสุ่มขึ้นจากช่วง0.0 .. 1.0แบบสม่ำเสมอ
นี่คือพฤติกรรมของการแจกแจง StandardUniform ซึ่งแม้ว่าเรื่องของ Distribution จะเป็นหัวข้อหลักในบทถัดไป แต่ด้วยความสำคัญของการแจกแจงแบบ StandardUniform เราจึงขอกล่าวถึงไว้ล่วงหน้า ณ ที่นี้ โดยตามธรรมเนียมทั่วไปแล้ว นิยามคำว่ามาตรฐานอาจดูเหมือนเป็นการกำหนดขึ้นเอง (somewhat arbitrary) แต่แท้จริงแล้วถูกคัดเลือกมาอย่างมีหลักการและมีเหตุผลรองรับเป็นอย่างดี:
- ค่าจะถูกสุ่มแบบสม่ำเสมอ: เมื่อพิจารณาช่วงย่อยสองช่วงใดๆ ที่มีขนาดเท่ากัน แต่ละช่วงย่อมมีโอกาสเท่ากันที่จะเป็นที่อยู่ของค่าสุ่มถัดไป
- โดยทั่วไปจะใช้ช่วงค่าทั้งหมดที่ชนิดข้อมูลเป้าหมายสามารถรองรับได้
- สำหรับ
f32และf64จะใช้ช่วง0.0 .. 1.0(ไม่นับรวม1.0) ด้วยเหตุผลสองประการ: (ก) เป็นแนวทางปฏิบัติมาตรฐานสากลของตัวสร้างเลขสุ่ม และ (ข) ในหลายแอปพลิเคชัน การรักษาการแจกแจงตัวอย่างให้สม่ำเสมอบนเส้นจำนวนจริง (Real number line) ถือเป็นเรื่องสำคัญยิ่ง ซึ่งสำหรับระบบเลขทศนิยมแล้ว สิ่งนี้จะเป็นไปได้ก็ต่อเมื่อจำกัดช่วงค่าไว้เท่านั้น
จากหลักการดังกล่าว เราสามารถอิมพลีเมนต์การแจกแจง StandardUniform ให้กับชนิดข้อมูลที่เราสร้างขึ้นเองได้เช่นกัน:
use rand::{Rng, RngExt};
use rand::distr::{Distribution, StandardUniform, Uniform};
use std::f64::consts::TAU; // = 2π
/// Represents an angle, in radians
#[derive(Debug)]
pub struct Angle(f64);
impl Angle {
pub fn from_degrees(degrees: f64) -> Self {
Angle(degrees * (std::f64::consts::TAU / 360.0))
}
}
impl Distribution<Angle> for StandardUniform {
fn sample<R: Rng + ?Sized>(&self, rng: &mut R) -> Angle {
// It would be correct to write:
// Angle(rng.random::<f64>() * TAU)
// However, the following is preferred:
Angle(Uniform::new(0.0, TAU).unwrap().sample(rng))
}
}
fn main() {
let angle: Angle = rand::rng().random();
println!("Random angle: {angle:?}");
}