Устаревшее генерирование случайных чисел

Класс RandomState предоставляет доступ к устаревшим генераторам. Этот генератор считается замороженным и больше не будет улучшаться. Он гарантированно будет генерировать те же значения, что и окончательная версия NumPy v1.16. Все они зависят от нормального распределения Бокса—Мюллера или обратных кумулятивных распределений экспоненциальных или гамма-распределений. Этот класс следует использовать только в том случае, если необходимо получить случайные числа, идентичные тем, которые генерировались предыдущими версиями NumPy.

RandomState добавляет дополнительную информацию в состояние, которая необходима при использовании нормального распределения Бокса—Мюллера, так как эти значения генерируются парами. Важно использовать RandomState.get_state, а не базовые генераторы бит state, при доступе к состоянию, чтобы сохранить эти дополнительные значения.

Хотя мы предоставляем MT19937 BitGenerator для использования независимо от RandomState, обратите внимание, что его начальное значение по умолчанию использует SeedSequence, а не алгоритм начального значения устаревшего типа. RandomState будет использовать алгоритм начального значения устаревшего типа. Методы для использования алгоритма начального значения устаревшего типа в настоящее время являются закрытыми, так как основная причина их использования заключается лишь в реализации RandomState. Однако можно сбросить состояние MT19937 с помощью состояния RandomState:

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)

Контейнер для медленного генератора псевдослучайных чисел Мерсенна-Твистер. Рассмотрите возможность использования другого BitGenerator с контейнером Generator.

RandomState и Generator предоставляют 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 равен None, то генерируется и возвращается единственное 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.

Гарантия совместимости

Фиксированный генератор бит с фиксированным начальным значением и фиксированным набором вызовов методов «RandomState» с одинаковыми параметрами всегда будет генерировать те же результаты с точностью до округления, за исключением случаев, когда значения были некорректны. RandomState фактически заморожен и будет получать обновления только при необходимости в соответствии с изменениями во внутренней работе Numpy. Более существенные изменения, включая улучшения алгоритмов, предназначены для Generator.

Параметры

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

Случайное начальное значение, используемое для инициализации генератора псевдослучайных чисел или экземпляра BitGenerator. Если целое число или массив, используется как начальное значение для BitGenerator MT19937. Значения могут 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 BitGenerator MT19937 инициализируется считыванием данных из /dev/urandom (или аналога для Windows), если доступно, или из времени системы в противном случае.

См. также

Generator, MT19937, numpy.random.BitGenerator

Примечания

Модуль Python stdlib «random» также содержит генератор псевдослучайных чисел Мерсенна-Твистер с рядом методов, аналогичных тем, которые доступны в RandomState. RandomState, помимо того, что он поддерживает NumPy, имеет преимущество в предоставлении гораздо большего количества распределений вероятностей для выбора.

Инициализация и состояние

Простые случайные данные

Перестановки

Распределения

Функции в numpy.random

Многие методы RandomState выше экспортированы как функции в numpy.random Это использование не рекомендуется, так как оно реализовано через глобальный экземпляр RandomState, что нежелательно по двум причинам:

• Используется глобальное состояние, что означает, что результаты могут меняться при изменении кода.
• Используется RandomState вместо более современного Generator.

По причинам обратной совместимости мы не можем этого изменить. См. random-quick-start.