C标准规定rand返回0到兰德_MAX范围内的int，因此将其除以RAND_MAX（来自stdlib.h）是将其归一化的正确方法。实际上，RAND_MAX几乎总是等于MAX_INT，但不要依赖于此。
因为rand从C89开始就是ISO C的一部分，所以可以保证它在任何地方都可用，但是不能保证它的随机数的质量，如果移植性是你主要关心的问题，那么它是你最好的选择，除非你愿意使用Python的random模块。
Python的sys.maxint是一个完全不同的概念;它是Python在自己的int类型中所能表示的最大正数较大的必须是长整型，Python的整型和长整型与C语言没有特别的关系。

我不确定drand是否是一个新的添加，但它似乎做正是你想要的，同时避免昂贵的司。

cdef extern from "stdlib.h":
    double drand48()
    void srand48(long int seedval)

cdef extern from "time.h":
    long int time(int)

# srand48(time(0))
srand48(100)
# TODO: this is a seed to reproduce bugs, put to line of code above for
# production
drand48() #This gives a float in range [0,1)

我在研究你的除法是否能产生足够的随机性时偶然发现了this idea。我发现的源代码很好地说明了我的情况，我将随机数与两位数的小数进行比较，所以我只需要3个小数点的精度。所以INT_MAX是绰绰有余的。但是，drand48似乎节省了除法的成本，所以可能值得使用。

'c' stdlib兰德（）返回0到RAND_MAX之间的数字，通常为32767。
有什么理由不使用python random（）呢？
Generate random integers between 0 and 9

以上所有答案都是正确的，但是我想补充一点，这花了我太长时间才理解。C兰德（）函数不是线程安全的。因此，如果你在没有gil的情况下并行运行cython，标准的C rand（）函数在试图处理所有内核调用时有可能导致巨大的速度下降。只是一个警告。

如下所示，我认为没有理由不喜欢python random.random()：

import numpy as np
from ext.random import random as rd
%timeit rd()
48.6 ns ± 0.396 ns per loop (mean ± std. dev. of 7 runs, 10,000,000 loops each)

np.unique([rd() for _ in range(10000000)]).size
Out[5]: 32768

from random import random as rd_python
%timeit rd_python()
33.2 ns ± 0.213 ns per loop (mean ± std. dev. of 7 runs, 10,000,000 loops each)

np.unique([rd_python() for _ in range(10000000)]).size
Out[8]: 10000000

对于cython版本：

from libc.stdlib cimport rand, RAND_MAX

cpdef float random():
    return float(rand()) / RAND_MAX