旧式随机生成#

RandomState 提供对旧式生成器的访问。此生成器被认为是冻结的，不会再有进一步改进。它保证产生与 NumPy v1.16 最终点发布版相同的值。这些都依赖于 Box-Muller 正态分布或逆 CDF 指数分布或伽马分布。仅当需要生成与旧版本 NumPy 产生的结果完全相同的随机数时，才应使用此类别。

RandomState 向状态添加了额外信息，这些信息在使用 Box-Muller 正态分布时是必需的，因为它们是成对产生的。访问状态时，务必使用 RandomState.get_state，而不是底层比特生成器的 state，以便保存这些额外值。

尽管我们提供了 MT19937 比特生成器以便独立于 RandomState 使用，请注意其默认种子使用 SeedSequence 而非旧式种子算法。RandomState 将使用旧式种子算法。目前使用旧式种子算法的方法是私有的，因为使用它们的主要原因只是为了实现 RandomState。然而，可以使用 RandomState 的状态来重置 MT19937 的状态。

from numpy.random import MT19937
from numpy.random import RandomState

rs = RandomState(12345)
mt19937 = MT19937()
mt19937.state = rs.get_state()
rs2 = RandomState(mt19937)

# Same output
rs.standard_normal()
rs2.standard_normal()

rs.random()
rs2.random()

rs.standard_exponential()
rs2.standard_exponential()
class numpy.random.RandomState(seed=None)#

慢速梅森旋转伪随机数生成器的容器。请考虑使用 Generator 容器以及不同的比特生成器。

RandomState 和 Generator 提供了许多方法，用于生成从各种概率分布中抽取的随机数。除了与分布相关的参数外，每个方法都接受一个关键字参数 size，其默认值为 None。如果 size 为 None，则生成并返回一个单一值。如果 size 是一个整数，则返回一个填充了生成值的 1-D 数组。如果 size 是一个元组，则填充并返回一个具有该形状的数组。

兼容性保证

一个固定的比特生成器，使用固定的种子和固定的一系列对 'RandomState' 方法的调用，使用相同的参数，总是会产生相同的结果，除了当值不正确时会存在舍入误差。RandomState 实际上已被冻结，只会接收因 Numpy 内部变化而必要的更新。更实质性的更改，包括算法改进，保留给 Generator。

参数:
seed{None, int, array_like, BitGenerator}, optional

用于初始化伪随机数生成器或实例化比特生成器的随机种子。如果为整数或数组，则用作 MT19937 比特生成器的种子。值可以是 0 到 2**32 - 1（包括首尾）之间的任何整数，此类整数的数组（或其他序列），或 None（默认值）。如果 seed 为 None，则 MT19937 比特生成器将从 /dev/urandom（或 Windows 对应物）读取数据进行初始化（如果可用），否则从时钟获取种子。

另请参阅

Generator
MT19937
numpy.random.BitGenerator

注释

Python 标准库模块 “random” 也包含一个梅森旋转伪随机数生成器，其许多方法与 RandomState 中可用的方法相似。RandomState 除了具有 NumPy 意识之外，其优势在于它提供了更多可供选择的概率分布。

播种和状态#

get_state([legacy])

返回表示生成器内部状态的元组。

set_state(state)

从元组设置生成器的内部状态。

seed([seed])

重新播种旧式 MT19937 比特生成器

简单随机数据#

rand(d0, d1, ..., dn)

给定形状的随机值。

randn(d0, d1, ..., dn)

返回“标准正态”分布的一个或多个样本。

randint(low[, high, size, dtype])

返回从 low（包含）到 high（不包含）的随机整数。

random_integers(low[, high, size])

类型为 numpy.int_ 的随机整数，在 low 和 high 之间（包含）。

random_sample([size])

返回半开区间 [0.0, 1.0) 中的随机浮点数。

choice(a[, size, replace, p])

从给定的一维数组生成随机样本

bytes(length)

返回随机字节。

排列#

shuffle(x)

通过打乱内容就地修改序列。

permutation(x)

随机排列序列，或返回一个排列后的范围。

分布#

beta(a, b[, size])

从 Beta 分布中抽取样本。

binomial(n, p[, size])

从二项分布中抽取样本。

chisquare(df[, size])

从卡方分布中抽取样本。

dirichlet(alpha[, size])

从 Dirichlet 分布中抽取样本。

exponential([scale, size])

从指数分布中抽取样本。

f(dfnum, dfden[, size])

从 F 分布中抽取样本。

gamma(shape[, scale, size])

从 Gamma 分布中抽取样本。

geometric(p[, size])

从几何分布中抽取样本。

gumbel([loc, scale, size])

从 Gumbel 分布中抽取样本。

hypergeometric(ngood, nbad, nsample[, size])

从超几何分布中抽取样本。

laplace([loc, scale, size])

从具有指定位置（或均值）和尺度（衰减）的 Laplace 或双指数分布中抽取样本。

logistic([loc, scale, size])

从 Logistic 分布中抽取样本。

lognormal([mean, sigma, size])

从对数正态分布中抽取样本。

logseries(p[, size])

从对数级数分布中抽取样本。

multinomial(n, pvals[, size])

从多项分布中抽取样本。

multivariate_normal(mean, cov[, size, ...])

从多元正态分布中抽取随机样本。

negative_binomial(n, p[, size])

从负二项分布中抽取样本。

noncentral_chisquare(df, nonc[, size])

从非中心卡方分布中抽取样本。

noncentral_f(dfnum, dfden, nonc[, size])

从非中心 F 分布中抽取样本。

normal([loc, scale, size])

从正态（高斯）分布中抽取随机样本。

pareto(a[, size])

从具有指定形状的 Pareto II 或 Lomax 分布中抽取样本。

poisson([lam, size])

从泊松分布中抽取样本。

power(a[, size])

从具有正指数 a - 1 的幂分布中抽取 [0, 1] 范围内的样本。

rayleigh([scale, size])

从瑞利分布中抽取样本。

standard_cauchy([size])

从标准柯西分布中抽取样本，众数 = 0。

standard_exponential([size])

从标准指数分布中抽取样本。

standard_gamma(shape[, size])

从标准伽马分布中抽取样本。

standard_normal([size])

从标准正态分布中抽取样本（均值=0，标准差=1）。

standard_t(df[, size])

从具有 df 自由度的标准学生 t 分布中抽取样本。

triangular(left, mode, right[, size])

在区间 [left, right] 上从三角分布中抽取样本。

uniform([low, high, size])

从均匀分布中抽取样本。

vonmises(mu, kappa[, size])

从 von Mises 分布中抽取样本。

wald(mean, scale[, size])

从 Wald 或逆高斯分布中抽取样本。

weibull(a[, size])

从 Weibull 分布中抽取样本。

zipf(a[, size])

从 Zipf 分布中抽取样本。

numpy.random 中的函数#

上述许多 RandomState 方法在 numpy.random 中作为函数导出。不鼓励这种用法，因为它通过一个全局 RandomState 实例实现，这有两个不建议的原因：

  • 它使用全局状态，这意味着结果将随代码更改而改变

  • 它使用 RandomState 而不是更现代的 Generator。

为了向后兼容的遗留原因，我们不会改变这一点。

beta(a, b[, size])

从 Beta 分布中抽取样本。

binomial(n, p[, size])

从二项分布中抽取样本。

bytes(length)

返回随机字节。

chisquare(df[, size])

从卡方分布中抽取样本。

choice(a[, size, replace, p])

从给定的一维数组生成随机样本

dirichlet(alpha[, size])

从 Dirichlet 分布中抽取样本。

exponential([scale, size])

从指数分布中抽取样本。

f(dfnum, dfden[, size])

从 F 分布中抽取样本。

gamma(shape[, scale, size])

从 Gamma 分布中抽取样本。

geometric(p[, size])

从几何分布中抽取样本。

get_state([legacy])

返回表示生成器内部状态的元组。

gumbel([loc, scale, size])

从 Gumbel 分布中抽取样本。

hypergeometric(ngood, nbad, nsample[, size])

从超几何分布中抽取样本。

laplace([loc, scale, size])

从具有指定位置（或均值）和尺度（衰减）的 Laplace 或双指数分布中抽取样本。

logistic([loc, scale, size])

从 Logistic 分布中抽取样本。

lognormal([mean, sigma, size])

从对数正态分布中抽取样本。

logseries(p[, size])

从对数级数分布中抽取样本。

multinomial(n, pvals[, size])

从多项分布中抽取样本。

multivariate_normal(mean, cov[, size, ...])

从多元正态分布中抽取随机样本。

negative_binomial(n, p[, size])

从负二项分布中抽取样本。

noncentral_chisquare(df, nonc[, size])

从非中心卡方分布中抽取样本。

noncentral_f(dfnum, dfden, nonc[, size])

从非中心 F 分布中抽取样本。

normal([loc, scale, size])

从正态（高斯）分布中抽取随机样本。

pareto(a[, size])

从具有指定形状的 Pareto II 或 Lomax 分布中抽取样本。

permutation(x)

随机排列序列，或返回一个排列后的范围。

poisson([lam, size])

从泊松分布中抽取样本。

power(a[, size])

从具有正指数 a - 1 的幂分布中抽取 [0, 1] 范围内的样本。

rand(d0, d1, ..., dn)

给定形状的随机值。

randint(low[, high, size, dtype])

返回从 low（包含）到 high（不包含）的随机整数。

randn(d0, d1, ..., dn)

返回“标准正态”分布的一个或多个样本。

random([size])

返回半开区间 [0.0, 1.0) 中的随机浮点数。

random_integers(low[, high, size])

类型为 numpy.int_ 的随机整数，在 low 和 high 之间（包含）。

random_sample([size])

返回半开区间 [0.0, 1.0) 中的随机浮点数。

ranf(*args, **kwargs)

这是 random_sample 的别名。

rayleigh([scale, size])

从瑞利分布中抽取样本。

sample(*args, **kwargs)

这是 random_sample 的别名。

seed([seed])

重新播种单例 RandomState 实例。

set_state(state)

从元组设置生成器的内部状态。

shuffle(x)

通过打乱内容就地修改序列。

standard_cauchy([size])

从标准柯西分布中抽取样本，众数 = 0。

standard_exponential([size])

从标准指数分布中抽取样本。

standard_gamma(shape[, size])

从标准伽马分布中抽取样本。

standard_normal([size])

从标准正态分布中抽取样本（均值=0，标准差=1）。

standard_t(df[, size])

从具有 df 自由度的标准学生 t 分布中抽取样本。

triangular(left, mode, right[, size])

在区间 [left, right] 上从三角分布中抽取样本。

uniform([low, high, size])

从均匀分布中抽取样本。

vonmises(mu, kappa[, size])

从 von Mises 分布中抽取样本。

wald(mean, scale[, size])

从 Wald 或逆高斯分布中抽取样本。

weibull(a[, size])

从 Weibull 分布中抽取样本。

zipf(a[, size])

从 Zipf 分布中抽取样本。