Запись случайных чисел из устаревшего кода

Класс RandomState предоставляет доступ к устаревшим генераторам. Этот генератор считается замороженным и больше не будет улучшаться. Гарантируется, что он будет генерировать те же значения, что и окончательная версия NumPy v1.16. Все они зависят от генерации нормальных распределений по методу Бокса-Мюллера или обратного преобразования кумулятивной функции распределения для экспоненциальных или гамма-распределений. Этот класс следует использовать только в том случае, если необходимо получить случайные числа, идентичные тем, что генерировались предыдущими версиями NumPy.

RandomState добавляет дополнительную информацию в состояние, необходимую при использовании метода Бокса-Мюллера, поскольку 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 независимого использования с RandomState, обратите внимание, что его начальная инициализация использует SeedSequence, а не устаревший алгоритм. RandomState будет использовать устаревший алгоритм инициализации. Методы для использования устаревшего алгоритма инициализации в настоящее время являются закрытыми, так как основная причина их использования заключается 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 псевдослучайного генератора чисел Мерсенна-Твистер. Рекомендуется использовать другой BitGenerator с контейнером Generator.

RandomState и Generator предоставляют ряд методов для генерации случайных чисел, распределенных по различным вероятностным законам. Помимо специфичных для распределения аргументов, каждый метод принимает ключевой аргумент size, который по умолчанию равен None. Если size имеет значение 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 указанной формой, заполненный значениями.

Гарантия совместимости

Фиксированный генератор бит с фиксированным начальным значением и фиксированным набором вызовов методов ‘RandomState’ с теми же параметрами всегда будет генерировать те же результаты (с точностью до ошибки округления), за исключением случаев, когда исходные значения были некорректны. RandomState фактически заморожен и будет получать обновления только, необходимые для изменений в внутренней реализации Numpy. Более существенные изменения, включая улучшения алгоритмов, зарезервированы для Generator.

Parameters

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

Случайное начальное значение, используемое для инициализации псевдослучайного генератора чисел или экземпляра BitGenerator. Если целое число или массив, используется в качестве начального значения для генератора MT19937. Значения могут быть любыми целыми числами от 0 до 2**32 - 1 включительно, массивом (или другой последовательностью) таких целых чисел или None (по умолчанию). Если seed имеет значение None, тогда MT19937 BitGenerator инициализируется, считывая данные из /dev/urandom (или аналога для Windows), если доступно, или из часов в противном случае.

См. также

Generator, MT19937, numpy.random.BitGenerator

Примечания

Модуль Python stdlib “random” также содержит псевдослучайный генератор Мерсенна-Твистер с рядом методов, аналогичных методам RandomState. RandomState, помимо того, что он учитывает NumPy, имеет преимущество в том, что предоставляет гораздо больше вероятностных распределений для выбора.

Инициализация и состояние

Простые случайные данные

Перестановки

Распределения

Функции в numpy.random

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

• Используется глобальное состояние, что означает, что результаты будут меняться по мере изменения кода.
• Используется RandomState, а не более современный Generator.

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