遗留的随机生成

RandomState 提供了对旧版生成器的访问.这个生成器被认为是冻结的,不会再有进一步的改进.它可以保证生成与 NumPy v1.16 最终版本相同的值.这些都依赖于 Box-Muller 正态分布或逆 CDF 指数分布或伽玛分布.只有在必须生成与以前版本的 NumPy 相同的随机数时,才应使用此类.

RandomState 在状态中添加了额外信息,这在使用 Box-Muller 正态分布时是必需的,因为这些正态分布是成对生成的.在访问状态时,重要的是使用 RandomState.get_state,而不是底层比特生成器的状态,这样这些额外值才能被保存.

虽然我们提供了 MT19937 BitGenerator 以独立于 RandomState 使用,但请注意其默认种子使用 SeedSequence 而不是传统的种子算法.`RandomState` 将使用传统的种子算法.目前使用传统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)

用于慢速梅森旋转伪随机数生成器的容器.建议使用不同的 BitGenerator 和 Generator 容器.

RandomState 和 Generator 提供了多种方法用于生成从各种概率分布中抽取的随机数.除了分布特定的参数外,每个方法还接受一个关键字参数 size,默认为 None.如果 size 是 None,则生成并返回一个单一值.如果 size 是整数,则返回一个填充了生成值的 1-D 数组.如果 size 是元组,则返回一个填充了该形状的数组.

Compatibility Guarantee

使用固定种子和固定的一系列对 ‘RandomState’ 方法调用且使用相同参数的固定比特生成器,在舍入误差范围内总是会产生相同的结果,除非值不正确.`RandomState` 实际上已被冻结,只会接收由 Numpy 内部变化所需的更新.更实质性的变化,包括算法改进,保留给 Generator.

参数:

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

用于初始化伪随机数生成器的随机种子或一个实例化的 BitGenerator.如果是一个整数或数组,则用作 MT19937 BitGenerator 的种子.值可以是 0 到 2**32 - 1 之间的任何整数,这样的整数数组（或其他序列）,或 None``（默认值）.如果 `seed` 是 ``None,则 MT19937 BitGenerator 通过从 ``/dev/urandom``（或 Windows 类似物）读取数据（如果可用）或从时钟获取种子来初始化.

参见

Generator

MT19937

numpy.random.BitGenerator

备注

Python 标准库模块 “random” 也包含一个梅森旋转伪随机数生成器,它有许多方法与 RandomState 中的方法相似.`RandomState` 除了具有 NumPy 意识外,还具有提供更多概率分布选择的优点.

种子和状态

get_state([legacy])	返回一个表示生成器内部状态的元组.
set_state(state)	从元组设置生成器的内部状态.
seed([seed])	重新种子化一个遗留的 MT19937 BitGenerator

简单随机数据

rand(d0, d1, ..., dn)	给定形状中的随机值.
randn(d0, d1, ..., dn)	返回来自"标准正态”分布的样本（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,范围在 low 和 high 之间,包括 low 和 high.
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])	从一个给定的 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)	随机排列一个序列,或返回一个排列的范围.

发行版

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）的拉普拉斯或双指数分布中抽取样本.
logistic([loc, scale, size])	从逻辑分布中抽取样本.
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）分布中随机抽取样本.
pareto(a[, size])	从具有指定形状的帕累托 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])	从指数为正的 a - 1 的幂分布中,在 [0, 1] 范围内抽取样本.
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])	从区间 [left, right] 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 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

上面许多 RandomState 方法在 numpy.random 中作为函数导出.这种用法不推荐,因为它通过一个全局的 RandomState 实例实现,这在两方面都不建议:

• 它使用全局状态,这意味着随着代码的变化,结果也会改变.

• 它使用的是 RandomState 而不是更现代的 Generator.

出于向后兼容的历史原因,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])	从一个给定的 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）的拉普拉斯或双指数分布中抽取样本.
logistic([loc, scale, size])	从逻辑分布中抽取样本.
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）分布中随机抽取样本.
pareto(a[, size])	从具有指定形状的帕累托 II 或 Lomax 分布中抽取样本.
permutation(x)	随机排列一个序列,或返回一个排列的范围.
poisson([lam, size])	从泊松分布中抽取样本.
power(a[, size])	从指数为正的 a - 1 的幂分布中,在 [0, 1] 范围内抽取样本.
rand(d0, d1, ..., dn)	给定形状中的随机值.
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)	返回来自"标准正态”分布的样本（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])	类型为 numpy.int_ 的随机整数,范围在 low 和 high 之间,包括 low 和 high.
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)	通过打乱其内容来就地修改序列.
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])	从区间 [left, right] 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 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.