numpy.random.RandomState

class numpy.random.RandomState

Контейнер для псевдослучайного числа генератора Мерсенна Твистер.

RandomState предоставляет ряд методов для генерации случайных чисел, взятых из различных распределений вероятностей. В дополнение к аргументам, специфичным для распределения, каждый метод принимает ключевой аргумент size, который по умолчанию равен None. Если size равно None, то генерируется и возвращается одно значение. Если size является целым числом, то возвращается одномерный массив, заполненный сгенерированными значениями. Если size является кортежем, то возвращается массив с заданной формой, заполненный значениями.

Параметры:

seed : {None, int, array_like}, необязательно Случайное семя, инициализирующее генератор псевдослучайных чисел. Может быть целым числом, массивом (или другим последовательным типом) целых чисел любой длины или None (по умолчанию). Если seed равно None, то RandomState попытается прочитать данные из /dev/urandom (или аналога для Windows), если доступно, или использовать время для инициализации иначе.

Примечания

Модуль Python stdlib “random” также содержит генератор псевдослучайных чисел Мерсенна Твистер с рядом методов, аналогичных имеющимся в RandomState. RandomState, помимо того, что он ориентирован на NumPy, имеет преимущество в том, что предоставляет гораздо больше распределений вероятностей для выбора.

Методы

beta(a, b[, size])	Выбрать образцы из бета-распределения.
binomial(n, p[, size])	Выбрать образцы из биномиального распределения.
bytes(length)	Возвратить случайные байты.
chisquare(df[, size])	Выбрать образцы из распределения хи-квадрат.
choice(a[, size, replace, p])	Генерирует случайную выборку из заданного одномерного массива
dirichlet(alpha[, size])	Выбрать образцы из распределения Дирихле.
exponential([scale, size])	Выбрать образцы из экспоненциального распределения.
f(dfnum, dfden[, size])	Выбрать образцы из F-распределения.
gamma(shape[, scale, size])	Выбрать образцы из гамма-распределения.
geometric(p[, size])	Выбрать образцы из геометрического распределения.
get_state()	Возвратить кортеж, представляющий внутреннее состояние генератора.
gumbel([loc, scale, size])	Выбрать образцы из распределения Гамбеля.
hypergeometric(ngood, nbad, nsample[, size])	Выбрать образцы из гипергеометрического распределения.
laplace([loc, scale, size])	Выбрать образцы из распределения Лапласа или двойного экспоненциального распределения со заданной локацией (или средним значением) и масштабом (убыванием).
logistic([loc, scale, size])	Выбрать образцы из логистического распределения.
lognormal([mean, sigma, size])	Выбрать образцы из логарифмически нормального распределения.
logseries(p[, size])	Выбрать образцы из логарифмического ряда распределения.
multinomial(n, pvals[, size])	Выбрать образцы из многочленного распределения.
multivariate_normal(mean, cov[, size])	Выбрать случайные образцы из многомерного нормального распределения.
negative_binomial(n, p[, size])	Выбрать образцы из отрицательного биномиального распределения.
noncentral_chisquare(df, nonc[, size])	Выбрать образцы из нецентрального распределения хи-квадрат.
noncentral_f(dfnum, dfden, nonc[, size])	Выбрать образцы из нецентрального F-распределения.
normal([loc, scale, size])	Выбрать случайные образцы из нормального (гауссового) распределения.
pareto(a[, size])	Выбрать образцы из распределения Парето II или Ломакса со заданной формой.
permutation(x)	Случайная перестановка последовательности или возвращение перестановки диапазона.
poisson([lam, size])	Выбрать образцы из распределения Пуассона.
power(a[, size])	Выбирает образцы в [0, 1] из распределения степени с положительным показателем a - 1.
rand(d0, d1, ..., dn)	Случайные значения в заданной форме.
randint(low[, high, size])	Возвращает случайные целые числа от low (включительно) до high (исключительно).
randn(d0, d1, ..., dn)	Возвращает образец (или образцы) из «стандартного нормального» распределения.
random_integers(low[, high, size])	Возвращает случайные целые числа от low до high, включительно.
random_sample([size])	Возвращает случайные числа с плавающей запятой в полуоткрытом интервале [0,0, 1,0).
rayleigh([scale, size])	Выбрать образцы из распределения Релея.
seed([seed])	Задать начальное значение генератора.
set_state(state)	Установить внутреннее состояние генератора из кортежа.
shuffle(x)	Изменить последовательность на месте, перемешивая ее содержимое.
standard_cauchy([size])	Выбрать образцы из стандартного распределения Коши с модой = 0.
standard_exponential([size])	Выбрать образцы из стандартного экспоненциального распределения.
standard_gamma(shape[, size])	Выбрать образцы из стандартного гамма-распределения.
standard_normal([size])	Выбрать образцы из стандартного нормального распределения (среднее=0, стандартное отклонение=1).

standard_t(df[, size])	Генерировать выборку из стандартного распределения Стьюдента с df степенями свободы.
tomaxint([size])	Случайные целые числа от 0 до sys.maxint, включительно.
triangular(left, mode, right[, size])	Генерировать выборку из треугольного распределения.
uniform([low, high, size])	Генерировать выборку из равномерного распределения.
vonmises(mu, kappa[, size])	Генерировать выборку из распределения фон Мизеса.
wald(mean, scale[, size])	Генерировать выборку из распределения Вальда (или обратного гауссовского распределения).
weibull(a[, size])	Генерировать выборку из распределения Вейбулла.
zipf(a[, size])	Генерировать выборку из распределения Цпфа.