Python 中 numpy.random 和 random.random 的区别-IT科技

Python 中 numpy.random 和 random.random 的区别

2025-03-18 08:55:00

admin

原创

摘要：问题描述：我有一个很长的 Python 脚本。我从其他人的代码中获得了灵感，因此我最终numpy.random在某些方面使用了该模块（例如，创建一个从二项分布中抽取的随机数数组），在其他地方我也使用了该模块random.random。有人能告诉我这两者之间的主要区别吗？查看这两个文档的网页，我觉得numpy....

问题描述：

我有一个很长的 Python 脚本。我从其他人的代码中获得了灵感，因此我最终numpy.random在某些方面使用了该模块（例如，创建一个从二项分布中抽取的随机数数组），在其他地方我也使用了该模块random.random。

有人能告诉我这两者之间的主要区别吗？查看这两个文档的网页，我觉得numpy.random只是有更多的方法，但我不清楚随机数的生成有何不同。

我之所以问这个问题是因为我需要为调试目的播种我的主程序。但除非我在导入的所有模块中使用相同的随机数生成器，否则它不会起作用，对吗？

另外，我在另一篇文章中读到过关于不使用的讨论numpy.random.seed()，但我真的不明白为什么这是一个坏主意。如果有人能向我解释为什么会这样，我将不胜感激。

解决方案 1：

您已经做出许多正确的观察！

除非您想同时为两个随机生成器设定种子，否则从长远来看，选择其中一个生成器可能更简单。但是如果您确实需要同时使用这两个生成器，那么您也需要同时为它们设定种子，因为它们会独立生成随机数。

对于numpy.random.seed()，主要的困难在于它不是线程安全的 - 也就是说，如果您有许多不同的执行线程，那么使用它是不安全的，因为如果两个不同的线程同时执行该函数，则不能保证它能正常工作。如果您不使用线程，并且如果您有理由预期将来不需要以这种方式重写程序，那就numpy.random.seed()应该没问题。如果有任何理由怀疑您将来可能需要线程，那么从长远来看，按照建议去做并创建类的本地实例numpy.random.Random要安全得多。据我所知，random.seed()是线程安全的（或者至少，我没有发现任何相反的证据）。

该numpy.random库包含一些常用于科学研究的额外概率分布，以及一些用于生成随机数据数组的便利函数。该random.random库更轻量级一些，如果您不从事科学研究或其他类型的统计工作，它应该没问题。

否则，它们都使用梅森旋转序列来生成随机数，并且它们都是完全确定性的 - 也就是说，如果你知道一些关键信息，就可以绝对确定地预测下一个数字是什么。因此，numpy.random 和 random.random 都不适合任何严肃的加密用途。但是因为序列非常长，所以在你不担心有人试图对你的数据进行逆向工程的情况下，两者都可以生成随机数。这也是需要播种随机值的原因 - 如果你每次都从同一个地方开始，你总会得到相同的随机数序列！

附注：如果您确实需要加密级别的随机性，那么您应该使用secrets模块，或者如果您使用的 Python 3.6 之前的 Python 版本，则应该使用Crypto.Random之类的模块。

解决方案 2：

该模块从用于数据分析的 Python中numpy.random补充了 Pythonrandom函数，用于从多种概率分布中有效地生成整个样本值数组。

相比之下，Python 的内置random模块每次只能采样一个值，但numpy.random可以更快地生成非常大的样本。使用 IPython 魔法函数%timeit可以看到哪个模块执行得更快：

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