Что нового или изменилось

Предупреждение

Метод Бокса—Мюллера, используемый для генерации нормальных распределений в NumPy, больше недоступен в Generator. Невозможно воспроизвести точные случайные значения, используя Generator для нормального распределения или любого другого распределения, которое зависит от нормального, такого как gamma или standard_t. Если вам необходимы потоки с обратной совместимостью по битам, используйте RandomState.

Быстрое сравнение устаревшего mtrand с новым Generator

Функция	Старый эквивалент	Примечания
`Generator`	`RandomState`	`Generator` требует источника потока, называемого `BitGenerator`. Несколько таких источников предоставляются. `RandomState` по умолчанию использует генератор Мерсенна-Твистер `MT19937`, но также может быть инициализирован любым BitGenerator.
`random`	`random_sample`, `rand`	Получение значений из BitGenerator, преобразование их в `float64` в интервале `[0.0.,` `` 1.0)``. В дополнение к параметру `size`, теперь поддерживаются `dtype='d'` или `dtype='f'`, и параметр `out` для заполнения массива, предоставленного пользователем. Поддерживается множество других распределений.
`integers`	`randint`, `random_integers`	Используйте параметр `endpoint` для настройки включения или исключения конечной точки интервала `high`

И более подробно:

random_entropy предоставляет доступ к системному источнику случайности, который используется в криптографических приложениях (например, /dev/urandom в Unix).
Генерация из комплексного нормального распределения (complex_normal)
Генераторы нормального, экспоненциального и гамма-распределений используют 256-шаговые методы Зиггурата, которые в 2-10 раз быстрее, чем реализация по умолчанию NumPy в standard_normal, standard_exponential или standard_gamma.
integers теперь является стандартным способом генерации целых случайных чисел из дискретного равномерного распределения. Методы rand и randn доступны только через устаревшую реализацию RandomState. Это заменяет как randint, так и устаревший random_integers.
Метод Бокса—Мюллера для генерации нормальных распределений больше недоступен.
Все генераторы битов могут генерировать числа с плавающей запятой, uint64 и uint32 через CTypes (ctypes) и CFFI (cffi). Это позволяет использовать эти генераторы битов в numba.
Генераторы битов могут использоваться в дочерних проектах через Cython.

In [1]: from  numpy.random import Generator, PCG64

In [2]: import numpy.random

In [3]: rg = Generator(PCG64())

In [4]: %timeit rg.standard_normal(100000)
   ...: %timeit numpy.random.standard_normal(100000)
   ...: 
792 us +- 4.07 us per loop (mean +- std. dev. of 7 runs, 1000 loops each)
1.87 ms +- 20.3 us per loop (mean +- std. dev. of 7 runs, 1000 loops each)

In [5]: %timeit rg.standard_exponential(100000)
   ...: %timeit numpy.random.standard_exponential(100000)
   ...: 
372 us +- 2.73 us per loop (mean +- std. dev. of 7 runs, 1000 loops each)
1.35 ms +- 7.16 us per loop (mean +- std. dev. of 7 runs, 1000 loops each)

In [6]: %timeit rg.standard_gamma(3.0, 100000)
   ...: %timeit numpy.random.standard_gamma(3.0, 100000)
   ...: 
1.84 ms +- 6.24 us per loop (mean +- std. dev. of 7 runs, 1000 loops each)
3.92 ms +- 39.3 us per loop (mean +- std. dev. of 7 runs, 100 loops each)

Необязательный dtype аргумент, принимающий np.float32 или np.float64 для генерации одно- или двойной точности равномерных случайных переменных для выбранных распределений
- Равномерные (random и integers)
- Нормальные (standard_normal)
- Стандартные гамма-распределения (standard_gamma)
- Стандартные экспоненциальные (standard_exponential)

In [7]: rg = Generator(PCG64(0))

In [8]: rg.random(3, dtype='d')
Out[8]: array([0.63696169, 0.26978671, 0.04097352])

In [9]: rg.random(3, dtype='f')

© 2005–2019 NumPy Developers
Licensed under the 3-clause BSD License.
https://docs.scipy.org/doc/numpy-1.17.0/reference/random/new-or-different.html