numpy.random.RandomState

class numpy.random.RandomState

Контейнер для псевдослучайного числа генератора Mersenne Twister.

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 заполняется и возвращается массив с такой формой.

Гарантия совместимости Фиксированное зерно и фиксированная последовательность вызовов методов ‘RandomState’ с теми же параметрами всегда будут давать те же результаты с учетом погрешности округления, за исключением случаев, когда значения были некорректными. Некорректные значения будут исправлены, а версия NumPy, в которой была произведена исправление, будет указана в соответствующей строке документации. Разрешается расширение существующих диапазонов параметров и добавление новых параметров, при условии, что предыдущее поведение останется неизменным.

Параметры:

seed : {None, int, array_like}, необязательно Случайное зерно, используемое для инициализации генератора псевдослучайных чисел. Может быть любым целым числом от 0 до 2**32 - 1 включительно, массивом (или другой последовательностью) таких целых чисел или None (по умолчанию). Если seed равно None, то RandomState будет пытаться прочитать данные из /dev/urandom (или аналоги Windows), если доступно, или использовать зерно от часов в противном случае.

Примечания

Модуль Python stdlib «random» также содержит генератор псевдослучайных чисел Mersenne Twister с рядом методов, аналогичных методам, доступным в RandomState. RandomState, помимо того, что он основан на NumPy, имеет преимущество в том, что он предоставляет гораздо большее количество распределений вероятностей для выбора.

Методы

beta(a, b[, size])	Генерировать выборки из бета-распределения.
binomial(n, p[, size])	Генерировать выборки из биномиального распределения.
bytes(length)	Возвращает случайные байты.
chisquare(df[, size])	Генерировать выборки из хи-квадрат распределения.
choice(a[, size, replace, p])	Генерирует случайную выборку из заданного одномерного массива
dirichlet(alpha[, size])	Генерировать выборки из дирихле-распределения.
exponential([scale, size])	Генерировать выборки из экспоненциального распределения.
f(dfnum, dfden[, size])	Генерировать выборки из F-распределения.
gamma(shape[, scale, size])	Генерировать выборки из гамма-распределения.
geometric(p[, size])	Генерировать выборки из геометрического распределения.
get_state()	Возвращает кортеж, представляющий внутреннее состояние генератора.
gumbel([loc, scale, size])	Генерировать выборки из распределения Гумбеля.
hypergeometric(ngood, nbad, nsample[, size])	Генерировать выборки из гипергеометрического распределения.
laplace([loc, scale, size])	Генерировать выборки из лапласовского (или двойного экспоненциального) распределения со заданной локацией (или средним) и масштабом (убыванием).
logistic([loc, scale, size])	Генерировать выборки из логистического распределения.
lognormal([mean, sigma, size])	Генерировать выборки из логарифмически-нормального распределения.
logseries(p[, size])	Генерировать выборки из логарифмического ряда распределения.
multinomial(n, pvals[, size])	Генерировать выборки из многомерного биномиального распределения.
multivariate_normal(mean, cov[, size])	Генерировать случайные выборки из многомерного нормального распределения.
negative_binomial(n, p[, size])	Генерировать выборки из отрицательного биномиального распределения.
noncentral_chisquare(df, nonc[, size])	Генерировать выборки из нецентрального хи-квадрат распределения.
noncentral_f(dfnum, dfden, nonc[, size])	Генерировать выборки из нецентрального F-распределения.
normal([loc, scale, size])	Генерировать случайные выборки из нормального (гауссова) распределения.
pareto(a[, size])	Генерировать выборки из распределения Парето II или Ломакса со заданной формой.
permutation(x)	Случайное перестановки последовательности или возвращение перестановки диапазона.
poisson([lam, size])	Генерировать выборки из пуассоновского распределения.
power(a[, size])	Генерирует выборки 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 выборку (или выборки) из «стандартного нормального» распределения.
random_integers(low[, high, size])	Случайные целые числа типа np.int между low и high, включительно.
random_sample([size])	Возвращает случайные числа с плавающей запятой в полуоткрытом интервале [0.0, 1.0).
rayleigh([scale, size])	Генерировать выборки из распределения Релея.
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])	Генерировать выборки из стандартного распределения Коши с модой = 0.
standard_exponential([size])	Генерировать выборки из стандартного экспоненциального распределения.
standard_gamma(shape[, size])	Генерировать выборки из стандартного гамма-распределения.
standard_normal([size])	Генерировать выборки из стандартного нормального распределения (среднее=0, среднеквадратичное 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 на интервале [left, right].
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.