Python中numpy.random和random.random的區別

Question

我在 Python 中有一個大腳本。 我在其他人的代碼中啟發了自己，所以我最終將numpy.random模塊用於某些事情（例如，用於創建從二項分布中獲取的隨機數數組），在其他地方我使用模塊random.random 。

有人可以告訴我兩者之間的主要區別嗎？ 查看兩者的文檔網頁，在我看來numpy.random只是有更多方法，但我不清楚隨機數的生成有何不同。

我問的原因是因為我需要為我的主程序播種以進行調試。 但它不起作用，除非我在我正在導入的所有模塊中使用相同的隨機數生成器，這是正確的嗎？

另外，我在另一篇文章中讀到了關於不使用numpy.random.seed()的討論，但我真的不明白為什么這是一個壞主意。 如果有人向我解釋為什么會這樣，我將不勝感激。

Answer 1

您已經做出了許多正確的觀察！

除非您想為兩個隨機生成器播種，否則從長遠來看，選擇一個或另一個生成器可能更簡單。 但是，如果您確實需要同時使用兩者，那么是的，您還需要同時為它們播種，因為它們彼此獨立地生成隨機數。

對於numpy.random.seed() ，主要困難在於它不是線程安全的 - 也就是說，如果您有許多不同的執行線程，使用它是不安全的，因為如果兩個不同的線程正在執行，它不能保證工作function 同時。 如果您不使用線程，並且可以合理地預期將來不需要以這種方式重寫程序，則numpy.random.seed()應該沒問題。 如果有任何理由懷疑您將來可能需要線程，從長遠來看，按照建議進行操作會更安全，並制作numpy.random.Random class 的本地實例。 據我所知， random.random.seed()是線程安全的（或者至少，我沒有發現任何相反的證據）。

numpy.random庫包含一些在科學研究中常用的額外概率分布，以及一些用於生成隨機數據 arrays 的便利函數。 random.random庫更輕量級，如果您不進行科學研究或其他類型的統計工作，應該沒問題。

否則，它們都使用梅森捻線器序列來生成它們的隨機數，而且它們都是完全確定的——也就是說，如果你知道一些關鍵信息，就可以絕對確定地預測接下來會出現什么數字。 因此，numpy.random 和 random.random 都不適合任何嚴重的加密用途。 但是因為這個序列非常長，所以在你不擔心人們試圖對你的數據進行逆向工程的情況下，兩者都可以生成隨機數。 這也是需要播種隨機值的原因——如果你每次都從同一個地方開始，你總是會得到相同的隨機數序列！

附帶說明一下，如果您確實需要加密級別的隨機性，則應該使用secrets模塊，或者如果您使用的是早於 Python 3.6 的 Python 版本，則應使用Crypto.Random之類的東西。

Answer 2

From Python for Data Analysis , the module numpy.random supplements the Python random with functions for efficiently generating whole arrays of sample values from many kinds of probability distributions.

相比之下，Python 內置的random模塊一次只采樣一個值，而numpy.random可以更快地生成非常大的樣本。 使用 IPython 魔法 function %timeit可以看到哪個模塊執行得更快：

In [1]: from random import normalvariate
In [2]: N = 1000000

In [3]: %timeit samples = [normalvariate(0, 1) for _ in xrange(N)]
1 loop, best of 3: 963 ms per loop

In [4]: %timeit np.random.normal(size=N)
10 loops, best of 3: 38.5 ms per loop

Answer 3

種子的來源和使用的分布配置文件將影響輸出 - 如果您正在尋找加密隨機性，來自 os.urandom() 的種子將從設備抖動（即以太網或磁盤）獲得幾乎真實的隨機字節（即 / BSD 上的開發/隨機）

這將避免您提供種子並因此生成確定性隨機數。 然而，隨機調用然后允許您將數字擬合到分布（我稱之為科學隨機性 - 最終您想要的只是隨機數的鍾形曲線分布，numpy 最擅長解決這個問題。

所以，是的，堅持使用一個發生器，但決定你想要什么隨機 - 隨機，但絕對來自分布曲線，或者在沒有量子設備的情況下盡可能隨機。

Answer 4

讓我感到驚訝的是numpy.random和random中都存在randint(a, b)方法，但是它們的上限行為不同。

random.randint(a, b)返回一個隨機 integer N 使得a <= N <= b 。 randrange(a, b+1)別名。 它包含b 。 隨機文件

但是，如果您調用numpy.random.randint(a, b) ，它將返回低（包括）到高（不包括）。 Numpy 文檔