随机 C API#

版本 1.19.0 中的新增功能。

可以通过 Cython 或诸如 CFFI 的 C 包装库来访问以下各种分布。所有函数都接受一个 bitgen_t 作为它们的第一个参数。要从 Cython 或 C 访问这些参数,你必须链接到 NumPy 分布中作为 numpy/random/lib 一部分的 npyrandom 静态库。请注意,你必须链接到 npymath,请参阅 在扩展中针对 core math 库进行链接

type bitgen_t#

bitgen_t 保持 BitGenerator 的当前状态,并指向函数的指针,该指针在提升状态时返回标准 C 类型。

struct bitgen:
    void *state
    npy_uint64 (*next_uint64)(void *st) nogil
    uint32_t (*next_uint32)(void *st) nogil
    double (*next_double)(void *st) nogil
    npy_uint64 (*next_raw)(void *st) nogil

ctypedef bitgen bitgen_t

有关使用这些函数的示例,请参阅 扩展

这些函数的命名遵循以下约定

  • “标准”是指任何参数的参考值。例如,“standard_uniform”表示间隔 0.01.0 上的均匀分布

  • “fill”函数将向提供的 out 填充 cnt 个值。

  • 其名称中不包含“standard”的函数需要其他参数来描述分布。

  • 其名称中包含 inv 的函数基于较慢的反向方法而非捷豹查找算法,该算法显著更快。非捷豹变体用于特殊情况和向后兼容性。

double random_standard_uniform(bitgen_t *bitgen_state)#
void random_standard_uniform_fill(bitgen_t *bitgen_state, npy_intp cnt, double *out)#
double random_standard_exponential(bitgen_t *bitgen_state)#
void random_standard_exponential_fill(bitgen_t *bitgen_state, npy_intp cnt, double *out)#
void random_standard_exponential_inv_fill(bitgen_t *bitgen_state, npy_intp cnt, double *out)#
double random_standard_normal(bitgen_t *bitgen_state)#
void random_standard_normal_fill(bitgen_t *bitgen_state, npy_intp count, double *out)#
void random_standard_normal_fill_f(bitgen_t *bitgen_state, npy_intp count, float *out)#
double random_standard_gamma(bitgen_t *bitgen_state, double shape)#
float random_standard_uniform_f(bitgen_t *bitgen_state)#
void random_standard_uniform_fill_f(bitgen_t *bitgen_state, npy_intp cnt, float *out)#
float random_standard_exponential_f(bitgen_t *bitgen_state)#
void random_standard_exponential_fill_f(bitgen_t *bitgen_state, npy_intp cnt, float *out)#
void random_standard_exponential_inv_fill_f(bitgen_t *bitgen_state, npy_intp cnt, float *out)#
float random_standard_normal_f(bitgen_t *bitgen_state)#
float random_standard_gamma_f(bitgen_t *bitgen_state, float shape)#
双精度 random_normal(bitgen_t *bitgen_state, 双精度 loc, 双精度 scale)#
双精度 random_gamma(bitgen_t *bitgen_state, 双精度 shape, 双精度 scale)#
浮点 random_gamma_f(bitgen_t *bitgen_state, 浮点 shape, 浮点 scale)#
双精度 random_exponential(bitgen_t *bitgen_state, 双精度 scale)#
双精度 random_uniform(bitgen_t *bitgen_state, 双精度 lower, 双精度 range)#
double random_beta(bitgen_t *bitgen_state, double a, double b)#
double random_chisquare(bitgen_t *bitgen_state, double df)#
double random_f(bitgen_t *bitgen_state, double dfnum, double dfden)#
double random_standard_cauchy(bitgen_t *bitgen_state)#
double random_pareto(bitgen_t *bitgen_state, double a)#
double random_weibull(bitgen_t *bitgen_state, double a)#
double random_power(bitgen_t *bitgen_state, double a)#
double random_laplace(bitgen_t *bitgen_state, double loc, double scale)#
double random_gumbel(bitgen_t *bitgen_state, double loc, double scale)#
double random_logistic(bitgen_t *bitgen_state, double loc, double scale)#
double random_lognormal(bitgen_t *bitgen_state, double mean, double sigma)#
double random_rayleigh(bitgen_t *bitgen_state, double mode)#
double random_standard_t(bitgen_t *bitgen_state, double df)#
double random_noncentral_chisquare(bitgen_t *bitgen_state, double df, double nonc)#
double random_noncentral_f(bitgen_t *bitgen_state, double dfnum, double dfden, double nonc)#
double random_wald(bitgen_t *bitgen_state, double mean, double scale)#
double random_vonmises(bitgen_t *bitgen_state, double mu, double kappa)#
double random_triangular(bitgen_t *bitgen_state, double left, double mode, double right)#
npy_int64 random_poisson(bitgen_t *bitgen_state, double lam)#
npy_int64 random_negative_binomial(bitgen_t *bitgen_state, double n, double p)#
type binomial_t#
typedef struct s_binomial_t {
  int has_binomial; /* !=0: following parameters initialized for binomial */
  double psave;
  RAND_INT_TYPE nsave;
  double r;
  double q;
  double fm;
  RAND_INT_TYPE m;
  double p1;
  double xm;
  double xl;
  double xr;
  double c;
  double laml;
  double lamr;
  double p2;
  double p3;
  double p4;
} binomial_t;
npy_int64 随机二项式分布(位发生器_t *位发生器状态, double p, npy_int64 n, 二项式_t *二项式)#
npy_int64 随机对数级数(位发生器_t *位发生器状态, double p)#
npy_int64 随机几何反转(位发生器_t *位发生器状态, double p)#
npy_int64 random_geometric(bitgen_t *bitgen_state, double p)#
npy_int64 random_zipf(bitgen_t *bitgen_state, double a)#
npy_int64 random_hypergeometric(bitgen_t *bitgen_state, npy_int64 good, npy_int64 bad, npy_int64 sample)#
npy_uint64 random_interval(bitgen_t *bitgen_state, npy_uint64 max)#
void random_multinomial(bitgen_t *bitgen_state, npy_int64 n, npy_int64 *mnix, double *pix, npy_intp d, binomial_t *binomial)#
int random_multivariate_hypergeometric_count(bitgen_t *bitgen_state, npy_int64 total, size_t num_colors, npy_int64 *colors, npy_int64 nsample, size_t num_variates, npy_int64 *variates)#
void random_multivariate_hypergeometric_marginals(bitgen_t *bitgen_state, npy_int64 total, size_t num_colors, npy_int64 *colors, npy_int64 nsample, size_t num_variates, npy_int64 *variates)#

生成单个整数

npy_int64 random_positive_int64(bitgen_t *bitgen_state)#
npy_int32 random_positive_int32(bitgen_t *bitgen_state)#
npy_int64 random_positive_int(bitgen_t *bitgen_state)#
npy_uint64 random_uint(bitgen_t *bitgen_state)#

生成闭区间 [off, off + rng] 中的随机 uint64 数。

npy_uint64 random_bounded_uint64(bitgen_t *bitgen_state, npy_uint64 off, npy_uint64 rng, npy_uint64 mask, bool use_masked)#