【numpy】新版本中numpy(numpy>1.17.0)中的random模块
numpy是Python中经常要使用的一个库,而其中的random模块经常用来生成一些数组,本文接下来将介绍numpy中random模块的一些使用方法。 首先查看numpy的版本: import numpy numpy.__version__ '1.18.2' numpy获得随机数有两种方式:
BitGenerator:生成随机数的对象。包含32或64位序列的无符号整数 Generator:将从BitGenerator生成的随机数序列转换为遵从特定概率分布(均匀、正态或二项式等)的数字序列的对象。 从Numpy版本1.17.0开始,可以使用许多不同的BitGenerators初始化Generator。 它包含了许多不同的概率分布。 传统的RandomState随机数例程仍然可用,但仅限于单个BitGenerator。为了方便和向后兼容,单个RandomState实例的方法被导入到numpy.random命名空间。 默认情况下,Generator使用PCG64提供的位,该位具有比RandomState中的传统mt19937随机数生成器更好的统计属性。 使用旧的numpy.random.RandomState from numpy random random.standard_normal() 结果:1.3768264062478266 Generator可以替代RandomState。 现在,两个类实例都拥有一个内部BitGenerator实例来提供位流,可以通过gen.bit_generator对其进行访问。 某些过期的API清除意味着已从Generator中删除了旧方法和兼容性方法。 # As replacement for RandomState(); default_rng() instantiates Generator with # the default PCG64 BitGenerator. from numpy.random default_rng rg = default_rng() rg.standard_normal() rg.bit_generator <numpy.random._pcg64.PCG64 at 0x7f6f87dac270> 以下这种方式可以支持RandomState和Generator,但是它们的接口有很大的不同: try: rg_integers = rg.integers except AttributeError: rg_integers = rg.randint a = rg_integers(1000) 结果:775 种子可以传递给任何BitGenerator。 提供的值通过SeedSequence进行混合,以将可能的种子序列分布在BitGenerator的更广泛的初始化状态中。 这里使用PCG64,并用Generator包裹。 Generator,PCG64 rg = Generator(PCG64(12345)) rg.standard_normal() 结果:-1.4238250364546312 新的基础结构采用了不同的方法来从RandomState对象生成随机数。 随机数生成分为两个部分,即位生成器和随机生成器。 BitGenerator的职责有限。 它管理状态并提供产生随机双精度数和随机无符号32位和64位值的功能。随机生成器采用生成器提供的流并将其转换成更有用的分布,例如模拟的正常随机值。 这种结构允许使用很少的代码重复来使用替代位生成器。 Generator是面向用户的对象,几乎与RandomState相同。 初始化生成器的规范方法将PCG64位生成器作为唯一参数。 default_rng rg = default_rng(12345) rg.random() 结果:0.22733602246716966 也可以直接使用BitGenerator实例实例化Generator。 要使用较旧的MT19937算法,可以直接实例化并将其传递给Generator ))
rg.random()
结果:0.37786929937474845 警告:生成器不再提供用于生成NumPy标准的Box-Muller方法。 使用Generator不能为正态分布或任何其他依赖于正态的分布(例如RandomState.gamma RandomState.standard_t)确切的随机值。 如果需要按位向后兼容流,请使用RandomState。
Generator可以访问广泛的发行版,并替代RandomState。 两者之间的主要区别在于Generator依赖于附加的BitGenerator来管理状态并生成随机位,然后将这些随机位从有用的分布转换为随机值。 Generator使用的默认BitGenerator为PCG64。 可以通过将实例化的BitGenerator传递给Generator来更改BitGenerator。 也就是说,设置了: np.random.default_rng(PCG64(随机种子)) 在生成随机数的时候都会是相同的。然后替换掉了原来的RandomState(随机种子) 如果省略seed或None,则每次都会实例化一个新的BitGenerator和Generator。 此功能不管理默认的全局实例。 Generator的一些方法: Generator.integers(low,high=None,size=None,dtype=’int64’,endpoint=False) 例如: rng = np.random.default_rng(PCG64(12345))
rng.integers(2,size=10)
结果:array([1,1,0]) 这里的意思是生成10个数,这是个数的取值范围在0-2之间,不包括2. 再看些例子: rng.integers(5,size=(2,4)) 结果:array([[4,3,4,0],[4,2,1]]) rng.integers(1,[3,5,10]) 结果:array([1,3]) 这里的意思是生成1×3的数组,并且每一位都限制了取值范围。 rng.integers([1,7],10) 结果:array([6,6,7]) rng.integers([1,[[10],[20]],dtype=np.uint8) 结果:array([[ 1,8,9],[ 5,18,16,12]],dtype=uint8) 这里使用了广播机制。 Generator.random(size=None,dtype=’d’,out=None): 在半开区间[0.0,1.0)中返回随机浮点数。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |