python中随机数均匀分布假设的检验

我用下一种方法生成数字:

import numpy as np
from scipy import stats
import collections

np.random.seed(945925321)
nums = []
for i in range(100000):
    nums.append(np.random.random())

我发现这个数字的频率是:

res = []
counter = collections.Counter(nums)
for item in counter.values():
    res.append(item)

并使用卡方检验标准来检验假设:

print(stats.chisquare(res))

我总是得到一个等于1的p值。当然,我可以把数字四舍五入以增加其频率,但这可能不是正确的方法。