numpy.random.RandomState

class numpy.random.RandomState

Контейнер для генератора псевдослучайных чисел 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 — целое число, то возвращается одномерный массив, заполненный сгенерированными значениями. Если size — кортеж, то возвращается массив с соответствующей формой, заполненный значениями.

Гарантия совместимости Фиксированное семя и фиксированная последовательность вызовов методов «RandomState» с одними и теми же параметрами всегда будут давать одинаковые результаты до погрешности округления, за исключением случаев, когда значения были некорректными. Некорректные значения будут исправлены, и версия NumPy, в которой было выполнено исправление, будет указана в соответствующей строке документации. Разрешается расширение существующих диапазонов параметров и добавление новых параметров, при условии, что предыдущее поведение остается неизменным.

Параметры:

seed : {None, int, array_like}, необязательно Семя случайности, инициализирующее генератор псевдослучайных чисел. Может быть целым числом, массивом (или другой последовательностью) целых чисел любой длины или None (по умолчанию). Если seed равно None, то RandomState попытается считать данные из /dev/urandom (или аналога для Windows), если доступно, или использовать часы в качестве семян в противном случае.

Примечания

Модуль Python stdlib «random» также содержит генератор псевдослучайных чисел Мерсенна Твистер с рядом методов, аналогичных доступным в RandomState. RandomState, помимо того, что он поддерживает 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)	Возвращает 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()	Возвращает кортеж, представляющий внутреннее состояние генератора.
gumbel([loc, scale, size])	Выбрать образцы из распределения Гумбеля.
hypergeometric(ngood, nbad, nsample[, size])	Выбрать образцы из гипергеометрического распределения.
laplace([loc, scale, size])	Выбрать образцы из распределения Лапласа (или двойного экспоненциального) со заданной локацией (или средним) и масштабом (затуханием).
logistic([loc, scale, size])	Выбрать образцы из логистического распределения.
lognormal([mean, sigma, size])	Выбрать образцы из логнормального распределения.
logseries(p[, size])	Выбрать образцы из логарифмического ряда распределения.
multinomial(n, pvals[, size])	Выбрать образцы из многономиального 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 (гауссовского) распределения.
pareto(a[, size])	Выбрать образцы из распределения Парето II или Ломакс со заданным значением формы.
permutation(x)	Случайно переставить последовательность или вернуть переставленный диапазон.
poisson([lam, size])	Выбрать образцы из пуассоновского распределения.
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, dtype])	Возвращает случайные целые числа от low (включительно) до high (исключительно).
randn(d0, d1, ..., dn)	Возвращает образец (или образцы) из распределения «стандартного нормального».
random_integers(low[, high, size])	Случайные целые числа типа np.int между low и high, включительно.
random_sample([size])	Возвращает случайные числа с плавающей точкой в полуоткрытом интервале [0.0, 1.0).
rayleigh([scale, size])	Выбрать образцы из распределения Рейли.
seed([seed])	Задать начальное значение генератора.
set_state(state)	Установить внутреннее состояние генератора из кортежа.
shuffle(x)	Изменить последовательность на месте, перемешав ее содержимое.
standard_cauchy([size])	Выбрать образцы из стандартного распределения Коши со 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])	Выбрать образцы из стандартного распределения Стьюдента с df степенями свободы.
tomaxint([size])	Случайные целые числа от 0 до sys.maxint, включительно.
triangular(left, mode, right[, size])	Выбрать образцы из треугольного распределения.
uniform([low, high, size])	Выбрать образцы из равномерного распределения.
vonmises(mu, kappa[, size])	Выбрать образцы из распределения фон Мизеса.
wald(mean, scale[, size])	Выбрать образцы из распределения Вальда, или обратного гауссовского распределения.
weibull(a[, size])	Выбрать образцы из распределения Вейбулла.
zipf(a[, size])	Выбрать образцы из распределения Цпфа.