Запись случайных чисел из прошлого

Класс RandomState предоставляет доступ к генераторам случайных чисел из старых версий. Этот генератор считается замороженным и больше не будет улучшаться. Он гарантирует, что будет генерировать те же значения, что и финальная версия NumPy v1.16. Все они зависят от нормального распределения Бокса-Мюллера или обратных кумулятивных функций для экспоненциального, гамма-распределения. Этот класс следует использовать только в случае, если необходимо получить случайные числа, идентичные тем, что генерировались предыдущими версиями NumPy.

RandomState добавляет дополнительную информацию в состояние, необходимую при использовании нормального распределения Бокса-Мюллера, так как эти числа 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 генератор MT19937 для независимого использования с RandomState, обратите внимание, что его начальная инициализация использует SeedSequence, а не алгоритм инициализации из старых версий. RandomState будет использовать алгоритм инициализации из старых версий. Методы для использования алгоритма старой инициализации 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 псевдослучайного генератора Мерсенна-Твистера. Вместо него следует использовать другой BitGenerator с контейнером Generator.

RandomState и Generator предоставляют ряд методов для генерации случайных чисел, распределенных по различным законам. 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 единственное значение. Если size — целое число, то возвращается одномерный массив, заполненный сгенерированными значениями. Если size — кортеж, то возвращается массив с заданной формой, заполненный значениями.

Гарантия совместимости

Фиксированный генератор бит с фиксированным зерном и фиксированной последовательностью вызовов методов ‘RandomState’ с одними и теми же параметрами всегда будет давать те же результаты, за исключением погрешности округления, кроме случаев некорректного вычисления. RandomState фактически заморожен и будет получать обновления только в случае изменений во внутренних компонентах Numpy. Более существенные изменения, включая улучшения алгоритма, предназначены для Generator.

Parameters

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

Зерно, используемое для инициализации псевдослучайного генератора или экземпляра BitGenerator. Если целое число или массив, используется в качестве зерна 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 равно None, то генератор MT19937 инициализируется путем считывания данных из /dev/urandom (или аналога Windows), если доступен, или зерном от часов в противном случае.

См. также

Generator

MT19937

numpy.random.BitGenerator

Примечания

Модуль «random» стандартной библиотеки Python также содержит псевдослучайный генератор Мерсенна-Твистера с рядом методов, аналогичных методам, доступным в RandomState. RandomState, помимо того, что он учитывает NumPy, имеет преимущество, позволяющее выбрать из большего числа законов распределения.

Инициализация 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 будут изменяться по мере изменения кода.
• Используется RandomState, а не более современный Generator.

По причинам обратной совместимости мы не можем это изменить. См. Быстрый старт.