遗留随机生成¶

这个 RandomState 提供对旧生成器的访问。这台发电机被认为是冻结的，不会有进一步的改进。它保证生成与numpyv1.16的最终版本相同的值。这些都依赖于Box-Muller法线或逆CDF指数或gammas。如果这个类的先前版本是相同的，那么它应该是相同的。

RandomState 将附加信息添加到使用Box-Muller法线时所需的状态，因为这些法线是成对生成的。重要的是使用 RandomState.get_state ，而不是底层位生成器 state ，以便保存这些额外值。

尽管我们提供 MT19937 独立使用的位发生器 RandomState ，请注意，其默认种子设定使用 SeedSequence 而不是传统的种子算法。 RandomState 将使用传统的种子算法。使用遗留种子算法的方法目前是私有的，因为使用它们的主要原因只是为了实现 RandomState . 但是，可以重置 MT19937 使用 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)¶

慢梅森扭曲器伪随机数生成器的容器。考虑将不同的位生成器与生成器容器一起使用。

RandomState 和 Generator 公开了许多从各种概率分布中提取随机数的方法。除了特定于分布的参数外，每个方法还接受一个关键字参数 size 默认为 None .如果 size 是 None ，然后生成并返回单个值。如果 size 是一个整数，然后返回一个包含生成值的一维数组。如果 size 是一个元组，然后填充并返回具有该形状的数组。

兼容性保证

使用固定种子的固定位生成器和使用相同参数对“RandomState”方法的固定系列调用将始终产生相同的结果，直到舍入错误，除非值不正确。 RandomState 被有效冻结，并且只接收Numpy内部更改所需的更新。更多实质性的变化，包括算法的改进，被保留了下来 Generator .

参数

seed{None，int，类似数组，BitGenerator}，可选: 用于初始化伪随机数生成器或实例化位生成器的随机种子。如果是整数或数组，则用作MT19937位生成器的种子。值可以是0到2之间的任意整数**32-1（含2**32-1），也可以是此类整数的数组（或其他序列），或者 None （默认）。如果 seed 是 None 然后 MT19937 通过读取BitGenerator中的数据来初始化 /dev/urandom （或Windows模拟）如果可用，或从时钟中选择其他。

参见

Generator
MT19937
numpy.random.BitGenerator

笔记

python stdlib模块“random”还包含一个mersenne twister伪随机数生成器，其方法与中提供的方法类似。 RandomState . RandomState 除了 NumPy 的意识之外，它的优点是它提供了更多的概率分布供选择。

播种和状态¶

`get_state` （）	返回表示生成器内部状态的元组。
`set_state` （状态）	从元组设置生成器的内部状态。
`seed` [自我] [, seed] ）	重新设定传统MT19937位生成器的种子

简单随机数据¶

`rand` \（d0，d1，…，dn）	给定形状中的随机值。
`randn` \（d0，d1，…，dn）	从“标准正态”分布中返回一个（或多个）样本。
`randint` （低） [, high, size, dtype] ）	从返回随机整数 low （包括） high （排他性）。
`random_integers` （低） [, high, size] ）	类型的随机整数 np.int_ 之间 low 和 high 包括在内。
`random_sample` \ [size] ）	返回半开区间内的随机浮点数[0.0，1.0]。
`choice` （a） [, size, replace, p] ）	从给定的一维数组生成随机样本
`bytes` （长度）	返回随机字节。

排列¶

`shuffle` [（x）]	通过改变序列的内容来修改序列。
`permutation` [（x）]	随机排列序列，或返回排列范围。

分布¶

`beta` （a，b） [, size] ）	从β分布中提取样本。
`binomial` （n，p） [, size] ）	从二项式分布中提取样本。
`chisquare` （DF） [, size] ）	从卡方分布中提取样本。
`dirichlet` α（α） [, size] ）	从Dirichlet分布中提取样本。
`exponential` \ [scale, size] ）	从指数分布中提取样本。
`f` \（DfNum，Dfden）[, size] ）	从F分布中提取样本。
`gamma` [形状] [, scale, size] ）	从伽马分布中提取样本。
`geometric` （P） [, size] ）	从几何分布中提取样本。
`gumbel` \ [loc, scale, size] ）	从Gumbel分布中提取样本。
`hypergeometric` \（Ngood、NBAD、NSample）[, size] ）	从超几何分布中提取样本。
`laplace` \ [loc, scale, size] ）	从拉普拉斯或双指数分布中提取具有指定位置（或平均值）和刻度（衰减）的样本。
`logistic` \ [loc, scale, size] ）	从物流配送中抽取样本。
`lognormal` \ [mean, sigma, size] ）	从对数正态分布中提取样本。
`logseries` （P） [, size] ）	从对数序列分布中提取样本。
`multinomial` \（n，pVal\） [, size] ）	从多项式分布中提取样本。
`multivariate_normal` \（平均值），cov[, size, ...] ）	从多元正态分布中随机抽取样本。
`negative_binomial` （n，p） [, size] ）	从负二项分布中提取样本。
`noncentral_chisquare` \（DFNoC） [, size] ）	从非中心卡方分布中提取样本。
`noncentral_f` \（dfnum，dfden，非[, size] ）	从非中心F分布中提取样本。
`normal` \ [loc, scale, size] ）	从正态（高斯）分布中随机抽取样本。
`pareto` （a） [, size] ）	从指定形状的Pareto II或Lomax分布中提取样品。
`poisson` \ [lam, size] ）	从泊松分布中提取样本。
`power` （a） [, size] ）	提取样本 [0, 1] 从正指数a-1的幂分布。
`rayleigh` \ [scale, size] ）	从瑞利分布中提取样本。
`standard_cauchy` \ [size] ）	从模式为0的标准柯西分布中提取样本。
`standard_exponential` \ [size] ）	从标准指数分布中提取样本。
`standard_gamma` [形状] [, size] ）	从标准伽马分布中提取样本。
`standard_normal` \ [size] ）	从标准正态分布（平均值=0，标准偏差=1）中提取样本。
`standard_t` （DF） [, size] ）	从标准学生t分布中抽取样本 df 自由度。
`triangular` \（左，模式，右[, size] ）	从间隔的三角形分布中提取样本 `[left, right]` .
`uniform` \ [low, high, size] ）	从均匀分布中提取样品。
`vonmises` （Mu，Kappa） [, size] ）	从von mises分布中提取样本。
`wald` \（平均值，比例[, size] ）	从瓦尔德分布或逆高斯分布中提取样本。
`weibull` （a） [, size] ）	从威布尔分布中提取样本。
`zipf` （a） [, size] ）	从Zipf分布中提取样本。

中的函数 `numpy.random`¶

上面的许多RandomState方法都是作为函数导出的 numpy.random 不鼓励这种用法，因为它是通过全局 RandomState 两项罪名未被告知的情况：

它使用全局状态，这意味着结果将随着代码的更改而更改
它使用一个 RandomState 而不是更现代的 Generator .

由于向后兼容的遗留原因，我们无法更改此设置。看到了吗快速启动 .

`beta` （a，b） [, size] ）	从β分布中提取样本。
`binomial` （n，p） [, size] ）	从二项式分布中提取样本。
`bytes` （长度）	返回随机字节。
`chisquare` （DF） [, size] ）	从卡方分布中提取样本。
`choice` （a） [, size, replace, p] ）	从给定的一维数组生成随机样本
`dirichlet` α（α） [, size] ）	从Dirichlet分布中提取样本。
`exponential` \ [scale, size] ）	从指数分布中提取样本。
`f` \（DfNum，Dfden）[, size] ）	从F分布中提取样本。
`gamma` [形状] [, scale, size] ）	从伽马分布中提取样本。
`geometric` （P） [, size] ）	从几何分布中提取样本。
`get_state` （）	返回表示生成器内部状态的元组。
`gumbel` \ [loc, scale, size] ）	从Gumbel分布中提取样本。
`hypergeometric` \（Ngood、NBAD、NSample）[, size] ）	从超几何分布中提取样本。
`laplace` \ [loc, scale, size] ）	从拉普拉斯或双指数分布中提取具有指定位置（或平均值）和刻度（衰减）的样本。
`logistic` \ [loc, scale, size] ）	从物流配送中抽取样本。
`lognormal` \ [mean, sigma, size] ）	从对数正态分布中提取样本。
`logseries` （P） [, size] ）	从对数序列分布中提取样本。
`multinomial` \（n，pVal\） [, size] ）	从多项式分布中提取样本。
`multivariate_normal` \（平均值），cov[, size, ...] ）	从多元正态分布中随机抽取样本。
`negative_binomial` （n，p） [, size] ）	从负二项分布中提取样本。
`noncentral_chisquare` \（DFNoC） [, size] ）	从非中心卡方分布中提取样本。
`noncentral_f` \（dfnum，dfden，非[, size] ）	从非中心F分布中提取样本。
`normal` \ [loc, scale, size] ）	从正态（高斯）分布中随机抽取样本。
`pareto` （a） [, size] ）	从指定形状的Pareto II或Lomax分布中提取样品。
`permutation` [（x）]	随机排列序列，或返回排列范围。
`poisson` \ [lam, size] ）	从泊松分布中提取样本。
`power` （a） [, size] ）	提取样本 [0, 1] 从正指数a-1的幂分布。
`rand` \（d0，d1，…，dn）	给定形状中的随机值。
`randint` （低） [, high, size, dtype] ）	从返回随机整数 low （包括） high （排他性）。
`randn` \（d0，d1，…，dn）	从“标准正态”分布中返回一个（或多个）样本。
`random` \ [size] ）	返回半开区间内的随机浮点数[0.0，1.0]。
`random_integers` （低） [, high, size] ）	类型的随机整数 np.int_ 之间 low 和 high 包括在内。
`random_sample` \ [size] ）	返回半开区间内的随机浮点数[0.0，1.0]。
`ranf`	这是的别名 `random_sample` .
`rayleigh` \ [scale, size] ）	从瑞利分布中提取样本。
`sample`	这是的别名 `random_sample` .
`seed` [自我] [, seed] ）	重新设定传统MT19937位生成器的种子
`set_state` （状态）	从元组设置生成器的内部状态。
`shuffle` [（x）]	通过改变序列的内容来修改序列。
`standard_cauchy` \ [size] ）	从模式为0的标准柯西分布中提取样本。
`standard_exponential` \ [size] ）	从标准指数分布中提取样本。
`standard_gamma` [形状] [, size] ）	从标准伽马分布中提取样本。
`standard_normal` \ [size] ）	从标准正态分布（平均值=0，标准偏差=1）中提取样本。
`standard_t` （DF） [, size] ）	从标准学生t分布中抽取样本 df 自由度。
`triangular` \（左，模式，右[, size] ）	从间隔的三角形分布中提取样本 `[left, right]` .
`uniform` \ [low, high, size] ）	从均匀分布中提取样品。
`vonmises` （Mu，Kappa） [, size] ）	从von mises分布中提取样本。
`wald` \（平均值，比例[, size] ）	从瓦尔德分布或逆高斯分布中提取样本。
`weibull` （a） [, size] ）	从威布尔分布中提取样本。
`zipf` （a） [, size] ）	从Zipf分布中提取样本。

numpy.random.Generator.zipf numpy.random.RandomState.get_state

遗留随机生成¶

播种和状态¶

简单随机数据¶

排列¶

分布¶

中的函数 numpy.random¶

中的函数 `numpy.random`¶