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。

RandomState 和 Generator 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 size 为 None，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 seed 为 None，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。

另请参见

生成器

MT19937

numpy.random.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 low 和 high 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])	从[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 low 和 high 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])	从[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。