Генератор случайных чисел

Класс Generator предоставляет доступ к широкому спектру распределений и служит заменой для RandomState. Основное различие между ними заключается в том, что Generator полагается на дополнительный генератор случайных бит (BitGenerator) для управления состоянием и генерации случайных бит, которые затем преобразуются в случайные значения из полезных распределений. По умолчанию Generator использует генератор PCG64. Генератор случайных бит можно изменить, передав экземпляр BitGenerator в Generator.

numpy.random.default_rng()

Создаёт новый генератор с генератором случайных бит по умолчанию (PCG64).

Параметры

seed{None, int, array_like[ints], SeedSequence, BitGenerator, Generator}, optional: Зерно для инициализации BitGenerator. Если None, то из ОС будет извлечена свежая, непредсказуемая энтропия. Если передано int или array_like[ints], оно будет передано в SeedSequence для получения начального состояния BitGenerator. Также можно передать экземпляр `SeedSequence`. Если передано значение BitGenerator, оно будет обернуто в Generator. Если передано значение Generator, оно будет возвращено без изменений.

Возвращает

Генератор: Инициализированный объект генератора.

Примечания

Если seed не является BitGenerator или Generator, новый BitGenerator будет создан. Эта функция не управляет глобальным экземпляром по умолчанию.

class numpy.random.Generator(bit_generator)

Контейнер для генераторов случайных бит (BitGenerators).

Generator предоставляет ряд методов для генерации случайных чисел, взятых из различных вероятностных распределений. Помимо аргументов, специфичных 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 указанной формой, заполненный значениями.

Функция numpy.random.default_rng создаст Generator с генератором случайных бит (BitGenerator) по умолчанию NumPy.

Гарантии совместимости нет

Generator не гарантирует совместимости версий. В частности, по мере появления лучших алгоритмов поток бит может измениться.

Параметры

bit_generatorBitGenerator: Генератор случайных бит (BitGenerator) для использования в качестве основного генератора.

См. также

default_rng: Рекомендуемый конструктор для Generator.

Примечания

Модуль Python stdlib random содержит генератор псевдослучайных чисел с рядом методов, аналогичных доступным в Generator. Он использует генератор Мерсенна-Твистера, к которому можно обратиться с помощью MT19937. Generator, помимо NumPy-совместимости, обладает преимуществом, предоставляя намного больше вероятностных распределений для выбора.

Примеры

>>> from numpy.random import Generator, PCG64
>>> rg = Generator(PCG64())
>>> rg.standard_normal()
-0.203  # random

Доступ к генератору случайных бит

bit_generator

Получение экземпляра генератора случайных бит, используемого генератором.

Простые случайные данные

`integers`(low[, high, size, dtype, endpoint])	Возвращает случайные целые числа от `low` (включительно) до `high` (исключительно), или, если endpoint=True, от `low` (включительно) до `high` (включительно).
`random`([size, dtype, out])	Возвращает случайные вещественные числа в полуоткрытом интервале [0.0, 1.0).
`choice`(a[, size, replace, p, axis, shuffle])	Генерирует случайную выборку из заданного одномерного массива.
`bytes`(length)	Возвращает случайные байты.

Перестановки

`shuffle`(x[, axis])	Изменяет последовательность на месте, перемешивая её содержимое.
`permutation`(x[, axis])	Случайно переставляет последовательность или возвращает переставленный диапазон.

Распределения

`beta`(a, b[, size])	Генерировать выборки из бета-распределения.
`binomial`(n, p[, size])	Генерировать выборки из биномиального распределения.
`chisquare`(df[, size])	Генерировать выборки из хи-квадрат-распределения.
`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.
`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 распределения Лапласа (или двойного экспоненциального) со заданной локацией (или средним) и масштабом (затуханием).
`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_hypergeometric`(colors, nsample)	Генерировать выборки из многомерного гипергеометрического 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 (гауссового) распределения.
`pareto`(a[, size])	Генерировать выборки из распределения Парето II или Ломакса со заданным параметром формы.
`poisson`([lam, size])	Генерировать выборки из пуассоновского распределения.
`power`(a[, size])	Генерирует выборки в [0, 1] из степенного распределения с положительным показателем a - 1.
`rayleigh`([scale, size])	Генерировать выборки из распределения Рейлея.
`standard_cauchy`([size])	Генерировать выборки из стандартного распределения Коши с модой = 0.
`standard_exponential`([size, dtype, method, out])	Генерировать выборки из стандартного экспоненциального распределения.
`standard_gamma`(shape[, size, dtype, out])	Генерировать выборки из стандартного гамма-распределения.
`standard_normal`([size, dtype, out])	Генерировать выборки из стандартного нормального распределения (среднее=0, стандартное отклонение=1).
`standard_t`(df[, size])	Генерировать выборки из стандартного распределения Стьюдента с `df` степенями свободы.
`triangular`(left, mode, right[, size])	Генерировать выборки из треугольного распределения на интервале `[left, right]`.
`uniform`([low, high, size])	Генерировать выборки из равномерного распределения.
`vonmises`(mu, kappa[, size])	Генерировать выборки из распределения фон Мизеса.
`wald`(mean, scale[, size])	Генерировать выборки из распределения Вальда, или обратного гауссова распределения.
`weibull`(a[, size])	Генерировать выборки из распределения Вейбулла.
`zipf`(a[, size])	Генерировать выборки из распределения Ципфа.

© 2005–2020 NumPy Developers
Licensed under the 3-clause BSD License.
https://numpy.org/doc/1.19/reference/random/generator.html