【NumPy】np.random.default_rng() 函数：创建随机数生成器

在 NumPy 中，np.random.default_rng() 是一个用于创建随机数生成器的函数，推荐用于生成高质量的随机数。它是 NumPy 1.17 及以上版本中引入的现代随机数生成接口，相比旧的 np.random 模块（如 np.random.rand()），提供了更好的性能、灵活性和可重现性。

1. 功能

np.random.default_rng() 创建一个随机数生成器对象（numpy.random.Generator），用于生成各种随机数（如均匀分布、正态分布、整数等）。它基于 PCG-64（Permuted Congruential Generator）算法，生成速度快且随机性强。

2. 语法

rng = np.random.default_rng(seed=None)

• 参数：
  • seed：可选，整数或 None。用于设置随机种子以确保可重现性。如果不指定种子，每次运行生成的结果不同。
• 返回值：
  • 一个 Generator 对象，可调用其方法生成随机数。

3. 常用方法

创建 rng 后，可以通过其方法生成随机数，例如：

• rng.random(size)：生成 [0, 1) 区间内的均匀分布随机数。
• rng.integers(low, high, size)：生成指定范围内的随机整数（包含 low，不包含 high）。
• rng.normal(loc, scale, size)：生成正态分布随机数（均值为 loc，标准差为 scale）。
• rng.choice(a, size, replace=True)：从数组 a 中随机抽样。

4. 代码示例

import numpy as np

# 创建随机数生成器，设置种子以确保可重现
rng = np.random.default_rng(seed=42)

# 生成 5 个 [0, 1) 均匀分布随机数
uniform = rng.random(5)
print("均匀分布:", uniform)

# 生成 3 个 0 到 9 的随机整数
integers = rng.integers(0, 10, size=3)
print("随机整数:", integers)

# 生成 4 个均值为 0，标准差为 1 的正态分布随机数
normal = rng.normal(0, 1, size=4)
print("正态分布:", normal)

# 从列表中随机选择 2 个元素
choices = rng.choice(['a', 'b', 'c'], size=2, replace=True)
print("随机选择:", choices)

输出示例：

均匀分布: [0.77395605 0.43887844 0.85859792 0.69736803 0.09417735]
随机整数: [0 7 6]
正态分布: [-0.97649514  0.19260928 -0.58336827 -0.44243558]
随机选择: ['c' 'b']

5. 与旧接口的区别

• 旧接口：np.random.rand(), np.random.randint() 等直接调用全局随机数生成器，基于 Mersenne Twister 算法。缺点是全局状态可能导致不可控的可重现性问题。
• 新接口：np.random.default_rng() 创建独立的生成器对象，线程安全，支持并行计算，且种子管理更明确。

6. 注意事项

• 种子设置：为了结果可重现，始终在创建 rng 时指定 seed。不要在同一程序中重复创建多个 rng 对象使用相同种子，否则可能导致相关性问题。
• 性能：新接口在生成大量随机数时通常比旧接口更快。
• 向后兼容：旧接口仍然可用，但推荐新项目使用 default_rng()。

7. 常见问题

• 为什么用 default_rng 而不是 np.random.rand？
  因为 default_rng 提供了更现代的 API，支持并行计算和更好的种子管理，适合复杂项目。
• 如何确保结果可重现？
  设置 seed 参数，例如 rng = np.random.default_rng(seed=123)。