旧版随机数生成#

RandomState 提供对旧版生成器的访问。此生成器被视为冻结,不会再进行任何改进。它保证产生与 NumPy v1.16 的最终点版本中产生的值相同的值。这些都依赖于 Box-Muller 正态分布或逆 CDF 指数分布或伽马分布。此类仅应在必须具有与 NumPy 的先前版本产生的随机数相同的随机数时使用。

RandomState 向状态添加了额外信息,这在使用 Box-Muller 正态分布时是必需的,因为这些正态分布成对产生。在访问状态时,使用 RandomState.get_state 而不是底层位生成器 state 很重要,以便保存这些额外值。

虽然我们提供了 MT19937 BitGenerator 以供独立于 RandomState 使用,但请注意,其默认播种使用 SeedSequence 而不是旧版播种算法。 RandomState 将使用旧版播种算法。使用旧版播种算法的方法目前是私有的,因为使用它们的主要原因只是为了实现 RandomState。但是,可以使用 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)#

慢速梅森旋转伪随机数生成器的容器。建议使用不同的 BitGenerator 与 Generator 容器结合使用。

RandomStateGenerator 公开了许多用于生成从各种概率分布中抽取的随机数的方法。除了特定于分布的参数之外,每种方法都带有一个关键字参数 size,默认为 None。如果 sizeNone,则生成并返回单个值。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,则返回一个填充了该形状的数组。

兼容性保证

使用固定种子和固定调用序列以相同参数调用 “RandomState” 方法的固定位生成器,始终会产生相同的结果,直到舍入误差为止,除非值不正确。 RandomState 实际上是冻结的,只会接收 NumPy 内部更改所需的更新。更重大的更改(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的随机种子或实例化的 BitGenerator。如果为整数或数组,则用作 MT19937 BitGenerator 的种子。值可以是 0 到 2**32 - 1(含)之间的任何整数,这样的整数的数组(或其他序列),或 None(默认值)。如果 seedNone,则通过读取 /dev/urandom(或 Windows 模拟)中的数据(如果可用)或从时钟读取种子来初始化 MT19937 BitGenerator。

注释

Python stdlib 模块 “random” 还包含一个梅森旋转伪随机数生成器,它具有一些与 RandomState 中提供的类似的方法。除了支持 NumPy 外,RandomState 的优势在于它提供了更多的概率分布供选择。

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)

重新播种旧版 MT19937 BitGenerator

简单随机数据#

rand(d0, d1, ..., dn)

给定形状的随机值。

randn(d0, d1, ..., dn)

返回来自 “标准正态” 分布的样本(或样本)。

randint(low[, high, size, dtype])

返回从 low(含)到 high(不含)的随机整数。

random_integers(low[, high, size])

类型为 numpy.int_ 的随机整数,在 lowhigh 之间(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 1-D 数组生成随机样本

bytes(length)

返回随机字节。

排列#

shuffle(x)

通过对序列的内容进行洗牌来就地修改序列。

permutation(x)

随机排列序列,或返回排列后的范围。

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])

从狄利克雷分布中抽取样本。

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])

从拉普拉斯分布或双指数分布中抽取样本,指定位置(或均值)和尺度(衰减)。

logistic([loc, scale, size])

从逻辑斯蒂分布中抽取样本。

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])

从多项式分布中抽取样本。

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])

从指定形状的帕累托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[0, 1]中具有正指数a - 1的幂分布中抽取样本。

rayleigh([scale, size])

从瑞利分布中抽取样本。

standard_cauchy([size])

从模式为0的标准柯西分布中抽取样本。

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])

[left, right]区间上的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])

从冯米塞斯分布中抽取样本。

wald(mean, scale[, size])

从沃尔德分布或逆高斯分布中抽取样本。

weibull(a[, size])

从威布尔分布中抽取样本。

zipf(a[, size])

从齐夫分布中抽取样本。

函数在 numpy.random#

上面许多RandomState方法都作为函数导出到 numpy.random 中。这种用法不鼓励,因为它通过全局 RandomState 实例实现,从两个方面来看不建议这样做

  • 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.

出于向后兼容的遗留原因,我们不会更改此内容。

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 数组生成随机样本

dirichlet(alpha[, size])

从狄利克雷分布中抽取样本。

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])

从拉普拉斯分布或双指数分布中抽取样本,指定位置(或均值)和尺度(衰减)。

logistic([loc, scale, size])

从逻辑斯蒂分布中抽取样本。

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])

从多项式分布中抽取样本。

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])

从指定形状的帕累托II或Lomax分布中抽取样本。

permutation(x)

随机排列序列,或返回排列后的范围。

poisson([lam, size])

从泊松分布中抽取样本。

power(a[, size])

从[0, 1]中具有正指数a - 1的幂分布中抽取样本。

rand(d0, d1, ..., dn)

给定形状的随机值。

randint(low[, high, size, dtype])

返回从 low(含)到 high(不含)的随机整数。

randn(d0, d1, ..., dn)

返回来自 “标准正态” 分布的样本(或样本)。

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 lowhigh 之间(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])

重新设置单例 RandomState 实例的种子。

set_state(state)

从元组设置生成器的内部状态。

shuffle(x)

通过对序列的内容进行洗牌来就地修改序列。

standard_cauchy([size])

从模式为0的标准柯西分布中抽取样本。

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])

[left, right]区间上的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])

从冯米塞斯分布中抽取样本。

wald(mean, scale[, size])

从沃尔德分布或逆高斯分布中抽取样本。

weibull(a[, size])

从威布尔分布中抽取样本。

zipf(a[, size])

从齐夫分布中抽取样本。