来源:《利用Python进行数据分析·第2版》
numpy.random模块对Python内置的random进行了补充,增加了一些用于高效生成多种概率分布的样本值的函数。例如,你可以用normal来得到一个标准正态分布的4×4样本数组:
In [113]: samples = np.random.normal(size=(4, 4))
In [114]: samples
Out[114]:
array([[-2.1783374 , -0.25068387, 0.64221801, -0.42189102],
[-0.37175277, 0.84983001, -1.09479407, -1.06150801],
[-0.31266803, 1.14889556, 0.99425273, 0.08238123],
[-1.06663767, 0.36566354, 0.40288741, 0.61564654]])
而Python内置的random模块则只能一次生成一个样本值。从下面的测试结果中可以看出,如果需要产生大量样本值,numpy.random快了不止一个数量级:
In [116]: from random import normalvariate
In [117]: N = 1000000
In [118]: %timeit samples = [normalvariate(0, 1) for _ in range(N)]
652 ms ± 2.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [119]: %timeit samples = np.random.normal(size=N)
24.7 ms ± 885 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
我们说这些都是伪随机数,是因为它们都是通过算法基于随机数生成器种子,在确定性的条件下生成的。你可以用NumPy的np.random.seed更改随机数生成种子:
In [122]: np.random.seed(1234)
numpy.random的数据生成函数使用了全局的随机种子。要避免全局状态,你可以使用numpy.random.RandomState,创建一个与其它隔离的随机数生成器:
In [124]: rng = np.random.RandomState(1234)
In [125]: rng.randn(10)
Out[125]:
array([ 0.47143516, -1.19097569, 1.43270697, -0.3126519 , -0.72058873,
0.88716294, 0.85958841, -0.6365235 , 0.01569637, -2.24268495])