Запись случайных чисел (Legacy Random Generation)

Класс RandomState предоставляет доступ к устаревшим генераторам. Этот генератор считается замороженным и больше не будет улучшаться. Он гарантированно генерирует те же значения, что и в последней версии NumPy v1.16. Все они зависят от распределения нормального закона Бокса-Мюллера или обратных функций распределения для экспоненциального, гамма-распределения. Этот класс следует использовать только в том случае, если необходимо получить случайные значения, идентичные тем, что генерировались предыдущими версиями NumPy.

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

Хотя мы предоставляем MT19937 BitGenerator для использования независимо от RandomState, обратите внимание, что его значение по умолчанию использует SeedSequence, а не алгоритм устаревшего способа задания начального значения. RandomState будет использовать алгоритм устаревшего способа задания начального значения. Методы для использования устаревшего способа задания начального значения в настоящее время являются закрытыми, так как основная причина их использования – только реализация 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-Твистера. Рассмотрите возможность использования другого BitGenerator с контейнером Generator вместо него.

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 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 заданной формой, заполненный значениями.

Гарантия совместимости

Фиксированный генератор битов с фиксированным начальным значением и фиксированной последовательностью вызовов методов «RandomState» с одинаковыми параметрами всегда будет генерировать одинаковые результаты до ошибки округления, за исключением случаев, когда значения были неверными. RandomState фактически заморожен и будет получать обновления только по необходимости, вызванной изменениями во внутренней реализации Numpy. Более существенные изменения, включая улучшения алгоритмов, зарезервированы для Generator.

Параметры

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

Случайное начальное значение, используемое для инициализации псевдослучайного генератора чисел, или экземпляр BitGenerator. Если целое число или массив, используется в качестве начального значения 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 MT19937 BitGenerator 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 псевдослучайный генератор чисел Мерсенна-Твистера с рядом методов, аналогичных методам, доступным в RandomState. RandomState, помимо того, что он учитывает NumPy, имеет преимущество в том, что предоставляет гораздо больше распределений вероятностей для выбора.

Задавание начального значения и состояние

Простые случайные данные

Перестановки

Распределения

Функции в numpy.random

Многие из методов 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:

• Использование глобального состояния означает, что результаты могут меняться по мере изменения кода.
• Используется RandomState, а не более современный Generator.

По соображениям обратной совместимости с предыдущими версиями это изменить нельзя. См. Быстрый старт.