旧版随机数生成

该 RandomState 类提供了对旧版生成器的访问。此生成器被视为已冻结，不会再有进一步改进。它保证会产生与 NumPy v1.16 的最终发行版相同的数值。所有这些都依赖于 Box-Muller 正态分布或逆 CDF 指数分布或 Gamma 分布。只有在必须生成与之前版本的 NumPy 相同的随机数时，才应使用此类。

该 RandomState 类会向状态添加额外信息，这在使用 Box-Muller 正态分布时是必需的，因为它们是成对生成的。当访问状态时，重要的是使用 RandomState.get_state，而不是底层的位生成器 state，以确保这些额外值被保存。

尽管我们提供了 MT19937 位生成器以独立于 RandomState 使用，但请注意，其默认的种子生成使用 SeedSequence 而不是旧的种子算法。RandomState 将使用旧的种子算法。目前使用旧种子算法的方法是私有的，因为使用它们的主要目的是实现 RandomState。但是，可以通过 RandomState 的状态重置 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)

旧的 Mersenne Twister 伪随机数生成器的容器。考虑使用 Generator 容器中的其他位生成器。

该 RandomState 和 Generator 类公开了许多用于从各种概率分布中生成随机数的方法。除了特定于分布的参数外，每种方法都接受一个名为 size 的关键字参数，该参数默认为 None。如果 size 为 None，则生成并返回单个值。如果 size 为整数，则返回一个包含生成值的 1-D 数组。如果 size 为元组，则返回具有该形状的数组。

兼容性保证

使用固定的位生成器、固定的种子以及使用相同参数对“RandomState”方法进行一系列固定调用，总会产生相同的结果（除了舍入误差），除非这些值不正确。RandomState 实际上是冻结的，只会收到 NumPy 内部变化所需进行的更新。更重大的更改，包括算法改进，都保留给 Generator。

参数:

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

用于初始化伪随机数生成器或已实例化的位生成器的随机种子。如果为整数或数组，则用作 MT19937 位生成器的种子。值可以是 0 到 2**32 - 1 之间的任何整数、这些整数的数组（或其他序列），或 None（默认值）。如果 seed 为 None，则 MT19937 位生成器将通过读取 /dev/urandom（或 Windows 等效文件）中的数据进行初始化（如果可用），否则从时钟获取种子。

另请参阅

生成器

MT19937

numpy.random.BitGenerator

备注

Python 的标准库模块“random”也包含一个 Mersenne Twister 伪随机数生成器，它有许多与 RandomState 中的方法类似的方法。RandomState 除了具有 NumPy 感知性外，还提供了更多的概率分布可供选择。

种子与状态

get_state([legacy])	返回一个表示生成器内部状态的元组。
set_state(state)	从一个元组设置生成器的内部状态。
seed([seed])	重新设置旧版 MT19937 位生成器的种子

简单随机数据

rand(d0, d1, ..., dn)	在给定形状的随机值。
randn(d0, d1, ..., dn)	从“标准正态”分布中返回一个样本（或多个样本）。
randint(low[, high, size, dtype])	从 low（包含）到 high（不包含）返回随机整数。
random_integers(low[, high, size])	返回 low 和 high（包含）之间的 numpy.int_ 类型随机整数。
random_sample([size])	返回半开区间 [0.0, 1.0) 内的随机浮点数。
choice(a[, size, replace, p])	从给定的 1-D 数组生成一个随机样本
bytes(length)	返回随机字节。

排列

shuffle(x)	通过打乱其内容来就地修改序列。
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])	从具有指定位置（或均值）和尺度（衰减）的 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）分布绘制随机样本。
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])	从指数为 a - 1 的幂分布中抽取 [0, 1] 区间的样本。
rayleigh([scale, size])	从瑞利分布中抽取样本。
standard_cauchy([size])	从中心点为 0 的标准 Cauchy 分布中抽取样本。
standard_exponential([size])	从标准指数分布中抽取样本。
standard_gamma(shape[, size])	从标准 Gamma 分布中抽取样本。
standard_normal([size])	从标准正态分布（均值=0，标准差=1）中抽取样本。
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])	从区间 [left, right] 上的三角形分布中抽取样本。
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 模块中的函数

上面列出的许多 RandomState 方法都作为函数导出到 numpy.random 模块中。不建议使用此用法，因为它通过全局 RandomState 实例实现，而该实例不被推荐，原因有两个：

• 它使用全局状态，这意味着结果会随着代码的更改而改变。

• 它使用 RandomState 而不是更现代的 Generator。

出于向后兼容的旧原因，我们不会更改此设置。

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 1-D 数组生成一个随机样本
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])	返回一个表示生成器内部状态的元组。
gumbel([loc, scale, size])	从具有指定位置（或均值）和尺度（衰减）的 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）分布绘制随机样本。
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])	从指数为 a - 1 的幂分布中抽取 [0, 1] 区间的样本。
rand(d0, d1, ..., dn)	在给定形状的随机值。
randint(low[, high, size, dtype])	从 low（包含）到 high（不包含）返回随机整数。
randn(d0, d1, ..., dn)	从“标准正态”分布中返回一个样本（或多个样本）。
random([size])	返回半开区间 [0.0, 1.0) 内的随机浮点数。
random_integers(low[, high, size])	返回 low 和 high（包含）之间的 numpy.int_ 类型随机整数。
random_sample([size])	返回半开区间 [0.0, 1.0) 内的随机浮点数。
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])	重新设置单例RandomState实例的种子。
set_state(state)	从一个元组设置生成器的内部状态。
shuffle(x)	通过打乱其内容来就地修改序列。
standard_cauchy([size])	从中心点为 0 的标准 Cauchy 分布中抽取样本。
standard_exponential([size])	从标准指数分布中抽取样本。
standard_gamma(shape[, size])	从标准 Gamma 分布中抽取样本。
standard_normal([size])	从标准正态分布（均值=0，标准差=1）中抽取样本。
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])	从区间 [left, right] 上的三角形分布中抽取样本。
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。