比特生成器#

由 Generator 产生的随机值源自一个 BitGenerator。BitGenerator 不直接提供随机数，只包含用于设置种子、获取或设置状态、跳转或推进状态以及访问低级封装器（供能高效访问所提供函数的代码使用，例如 numba）的方法。

支持的比特生成器#

包含的 BitGenerator 有：

  • PCG-64 - 默认生成器。一个快速生成器，可以任意量推进。请参阅 advance 的文档。PCG-64 的周期为 \(2^{128}\)。有关此类 PRNG 的更多详细信息，请参阅 PCG 作者页面。

  • PCG-64 DXSM - PCG-64 的升级版本，在并行环境中具有更好的统计特性。有关这些改进的更多信息，请参阅使用 PCG64DXSM 升级 PCG64。

  • MT19937 - 标准 Python BitGenerator。添加了一个 MT19937.jumped 函数，该函数返回一个新的生成器，其状态就像已经进行了 \(2^{128}\) 次抽样。

  • Philox - 一个基于计数器的生成器，能够任意步进或生成独立的流。有关此类比特生成器的更多详细信息，请参阅 Random123 页面。

  • SFC64 - 一个基于随机可逆映射的快速生成器。通常是这四个生成器中最快的。有关（少量）更多详细信息，请参阅 SFC 作者页面。

BitGenerator([seed])

通用 BitGenerator 的基类，它根据不同的算法提供随机位流。

播种和熵#

BitGenerator 提供随机值流。为了生成可重现的流，BitGenerator 支持通过种子设置其初始状态。所有提供的 BitGenerator 都将接受任意大小的非负整数或此类整数列表作为种子。BitGenerator 需要接收这些输入并将其处理成 BitGenerator 的高质量内部状态。NumPy 中的所有 BitGenerator 都将此任务委托给 SeedSequence，后者使用哈希技术确保即使是低质量的种子也能生成高质量的初始状态。

from numpy.random import PCG64

bg = PCG64(12345678903141592653589793)

SeedSequence 旨在方便地实现最佳实践。我们建议随机程序默认使用操作系统提供的熵，以便每次运行都不同。程序应打印或记录该熵。为了重现过去的值，程序应允许用户通过某种机制（命令行参数是常见方式）提供该值，以便用户可以重新输入该熵来重现结果。SeedSequence 可以处理除与用户通信之外的所有事情，后者由您决定。

from numpy.random import PCG64, SeedSequence

# Get the user's seed somehow, maybe through `argparse`.
# If the user did not provide a seed, it should return `None`.
seed = get_user_seed()
ss = SeedSequence(seed)
print(f'seed = {ss.entropy}')
bg = PCG64(ss)

我们默认使用从操作系统收集的 128 位整数熵。这是初始化 NumPy 中所有生成器的良好熵量。我们不建议一般情况下使用小于 32 位的微小种子。仅使用一小部分种子来实例化更大的状态空间意味着有些初始状态是无法达到的。如果每个人都使用此类值，这会造成一些偏差。

结果本身不会有任何“错误”；即使是种子 0 也完全没问题，这要归功于 SeedSequence 所做的处理。如果您只需要用于单元测试或调试的“某个”固定值，请随意使用任何您喜欢的种子。但如果您想从结果中推断或发布它们，从更大的种子集进行抽样是良好的实践。

如果您需要“离线”生成一个好的种子，那么 SeedSequence().entropy 或使用标准库中的 secrets.randbits(128) 都是方便的方法。

如果您需要并行运行多个随机模拟，最佳实践是为每个模拟构造一个随机生成器实例。为了确保随机流具有不同的初始状态，您可以使用 SeedSequence 的 spawn 方法。例如，这里我们构造一个包含 12 个实例的列表：

from numpy.random import PCG64, SeedSequence

# High quality initial entropy
entropy = 0x87351080e25cb0fad77a44a3be03b491
base_seq = SeedSequence(entropy)
child_seqs = base_seq.spawn(12)    # a list of 12 SeedSequences
generators = [PCG64(seq) for seq in child_seqs]

如果您已经有一个初始随机生成器实例，您可以使用 spawn 方法来缩短上述过程

from numpy.random import PCG64, SeedSequence
# High quality initial entropy
entropy = 0x87351080e25cb0fad77a44a3be03b491
base_bitgen = PCG64(entropy)
generators = base_bitgen.spawn(12)

另一种方法是利用 SeedSequence 可以通过元素元组初始化的事实。这里我们使用一个基本熵值和一个整数 worker_id

from numpy.random import PCG64, SeedSequence

# High quality initial entropy
entropy = 0x87351080e25cb0fad77a44a3be03b491
sequences = [SeedSequence((entropy, worker_id)) for worker_id in range(12)]
generators = [PCG64(seq) for seq in sequences]

请注意，后一种方法产生的序列将与通过 spawn 构造的序列不同。

SeedSequence([entropy, spawn_key, pool_size])

SeedSequence 以可重现的方式混合熵源，为独立且极不可能重叠的 BitGenerator 设置初始状态。