傳統隨機生成

RandomState 提供對傳統生成器的存取權限。此生成器被視為已凍結，且不會再進行任何改進。保證它產生的值與 NumPy v1.16 的最終發行點版本相同。這些都依賴 Box-Muller 常態分佈或反 CDF 指數或 Gamma 分佈。只有在必須擁有與先前 NumPy 版本產生的隨機數完全相同的隨機數時，才應使用此類別。

RandomState 將額外資訊新增至狀態，使用 Box-Muller 常態分佈時需要這些資訊，因為這些常態分佈是以成對方式產生。使用 RandomState.get_state（而非底層位元生成器的 state）存取狀態非常重要，以便儲存這些額外值。

雖然我們提供了 MT19937 BitGenerator，以便獨立於 RandomState 使用，但請注意，它的預設種子設定使用 SeedSequence，而不是傳統種子設定演算法。RandomState 將使用傳統種子設定演算法。使用傳統種子設定演算法的方法目前是私有的，因為使用它們的主要原因只是為了實作 RandomState。但是，可以使用 RandomState 的狀態重設 MT19937 的狀態

from numpy.random import MT19937
from numpy.random import RandomState

rs = RandomState(12345)
mt19937 = MT19937()
mt19937.state = rs.get_state()
rs2 = RandomState(mt19937)

# Same output
rs.standard_normal()
rs2.standard_normal()

rs.random()
rs2.random()

rs.standard_exponential()
rs2.standard_exponential()

class numpy.random.RandomState(seed=None)

慢速 Mersenne Twister 偽隨機數生成器的容器。考慮使用不同的 BitGenerator 和 Generator 容器來代替。

RandomState 和 Generator 公開了許多方法，用於產生從各種機率分佈中抽取的隨機數。除了特定於分佈的引數之外，每個方法還接受預設為 None 的關鍵字引數 size。如果 size 為 None，則會產生並傳回單一值。如果 size 是整數，則會傳回以產生值填滿的 1 維陣列。如果 size 是元組，則會填滿並傳回具有該形狀的陣列。

相容性保證

使用固定種子和固定系列呼叫的固定位元生成器，以相同參數呼叫「RandomState」方法，將始終產生相同的結果，直到捨入誤差為止，除非這些值不正確。RandomState 實際上已凍結，並且只會接收 Numpy 內部變更所需的更新。更重大的變更（包括演算法改進）保留給 Generator。

參數:

seed{None, int, array_like, BitGenerator}, 選項性

用於初始化偽隨機數生成器或已實例化的 BitGenerator 的隨機種子。如果為整數或陣列，則用作 MT19937 BitGenerator 的種子。值可以是介於 0 和 2**32 - 1（含）之間的任何整數、此類整數的陣列（或其他序列），或 None（預設值）。如果 seed 為 None，則 MT19937 BitGenerator 會透過從 /dev/urandom（或 Windows 對應物）讀取資料（如果可用）或從時鐘取得種子來初始化。

另請參閱

Generator

MT19937

numpy.random.BitGenerator

註解

Python stdlib 模組「random」也包含一個 Mersenne Twister 偽隨機數生成器，其中有許多方法與 RandomState 中可用的方法類似。RandomState 除了感知 NumPy 之外，還具有優勢，它提供了更多的機率分佈可供選擇。

種子設定和狀態

get_state([legacy])	傳回代表生成器內部狀態的元組。
set_state(state)	從元組設定生成器的內部狀態。
seed([seed])	重新設定傳統 MT19937 BitGenerator 的種子

簡單隨機資料

rand(d0, d1, ..., dn)	給定形狀的隨機值。
randn(d0, d1, ..., dn)	從「標準常態」分佈傳回一個樣本（或多個樣本）。
randint(low[, high, size, dtype])	從 low（包含）到 high（不包含）傳回隨機整數。
random_integers(low[, high, size])	介於 low 和 high 之間（包含）的 numpy.int_ 類型的隨機整數。
random_sample([size])	在半開區間 [0.0, 1.0) 中傳回隨機浮點數。
choice(a[, size, replace, p])	從給定的 1 維陣列產生隨機樣本
bytes(length)	傳回隨機位元組。

排列

shuffle(x)	就地修改序列，透過洗牌其內容。
permutation(x)	隨機排列序列，或傳回排列後的範圍。

分佈

beta(a, b[, size])	從 Beta 分佈中抽取樣本。
binomial(n, p[, size])	從二項式分佈中抽取樣本。
chisquare(df[, size])	從卡方分佈中抽取樣本。
dirichlet(alpha[, size])	從狄利克雷分佈中抽取樣本。
exponential([scale, size])	從指數分佈中抽取樣本。
f(dfnum, dfden[, size])	從 F 分佈中抽取樣本。
gamma(shape[, scale, size])	從 Gamma 分佈中抽取樣本。
geometric(p[, size])	從幾何分佈中抽取樣本。
gumbel([loc, scale, size])	從耿貝爾分佈中抽取樣本。
hypergeometric(ngood, nbad, nsample[, size])	從超幾何分佈中抽取樣本。
laplace([loc, scale, size])	從具有指定位置（或平均值）和尺度（衰減）的 Laplace 或雙指數分佈中抽取樣本。
logistic([loc, scale, size])	從邏輯分佈中抽取樣本。
lognormal([mean, sigma, size])	從對數常態分佈中抽取樣本。
logseries(p[, size])	從對數級數分佈中抽取樣本。
multinomial(n, pvals[, size])	從多項式分佈中抽取樣本。
multivariate_normal(mean, cov[, size, ...])	從多變量常態分佈中抽取隨機樣本。
negative_binomial(n, p[, size])	從負二項式分佈中抽取樣本。
noncentral_chisquare(df, nonc[, size])	從非中心卡方分佈中抽取樣本。
noncentral_f(dfnum, dfden, nonc[, size])	從非中心 F 分佈中抽取樣本。
normal([loc, scale, size])	從常態（高斯）分佈中抽取隨機樣本。
pareto(a[, size])	從具有指定形狀的 Pareto II 或 Lomax 分佈中抽取樣本。
poisson([lam, size])	從 Poisson 分佈中抽取樣本。
power(a[, size])	從具有正指數 a - 1 的冪分佈中，在 [0, 1] 中抽取樣本。
rayleigh([scale, size])	從 Rayleigh 分佈中抽取樣本。
standard_cauchy([size])	從模式 = 0 的標準柯西分佈中抽取樣本。
standard_exponential([size])	從標準指數分佈中抽取樣本。
standard_gamma(shape[, size])	從標準 Gamma 分佈中抽取樣本。
standard_normal([size])	從標準常態分佈（平均值=0，標準差=1）中抽取樣本。
standard_t(df[, size])	從自由度為 df 的標準學生 t 分佈中抽取樣本。
triangular(left, mode, right[, size])	從區間 [left, right] 上的三角分佈中抽取樣本。
uniform([low, high, size])	從均勻分佈中抽取樣本。
vonmises(mu, kappa[, size])	從 von Mises 分佈中抽取樣本。
wald(mean, scale[, size])	從 Wald 或反高斯分佈中抽取樣本。
weibull(a[, size])	從 Weibull 分佈中抽取樣本。
zipf(a[, size])	從 Zipf 分佈中抽取樣本。

numpy.random 中的函數

上述許多 RandomState 方法都作為 numpy.random 中的函數匯出。不建議使用此用法，因為它是透過全域 RandomState 實例實作的，這在兩個方面都不建議：

• 它使用全域狀態，這表示結果會隨著程式碼變更而改變

• 它使用 RandomState 而不是更現代的 Generator。

由於向後相容的傳統原因，我們不會變更此設定。

beta(a, b[, size])	從 Beta 分佈中抽取樣本。
binomial(n, p[, size])	從二項式分佈中抽取樣本。
bytes(length)	傳回隨機位元組。
chisquare(df[, size])	從卡方分佈中抽取樣本。
choice(a[, size, replace, p])	從給定的 1 維陣列產生隨機樣本
dirichlet(alpha[, size])	從狄利克雷分佈中抽取樣本。
exponential([scale, size])	從指數分佈中抽取樣本。
f(dfnum, dfden[, size])	從 F 分佈中抽取樣本。
gamma(shape[, scale, size])	從 Gamma 分佈中抽取樣本。
geometric(p[, size])	從幾何分佈中抽取樣本。
get_state([legacy])	傳回代表生成器內部狀態的元組。
gumbel([loc, scale, size])	從耿貝爾分佈中抽取樣本。
hypergeometric(ngood, nbad, nsample[, size])	從超幾何分佈中抽取樣本。
laplace([loc, scale, size])	從具有指定位置（或平均值）和尺度（衰減）的 Laplace 或雙指數分佈中抽取樣本。
logistic([loc, scale, size])	從邏輯分佈中抽取樣本。
lognormal([mean, sigma, size])	從對數常態分佈中抽取樣本。
logseries(p[, size])	從對數級數分佈中抽取樣本。
multinomial(n, pvals[, size])	從多項式分佈中抽取樣本。
multivariate_normal(mean, cov[, size, ...])	從多變量常態分佈中抽取隨機樣本。
negative_binomial(n, p[, size])	從負二項式分佈中抽取樣本。
noncentral_chisquare(df, nonc[, size])	從非中心卡方分佈中抽取樣本。
noncentral_f(dfnum, dfden, nonc[, size])	從非中心 F 分佈中抽取樣本。
normal([loc, scale, size])	從常態（高斯）分佈中抽取隨機樣本。
pareto(a[, size])	從具有指定形狀的 Pareto II 或 Lomax 分佈中抽取樣本。
permutation(x)	隨機排列序列，或傳回排列後的範圍。
poisson([lam, size])	從 Poisson 分佈中抽取樣本。
power(a[, size])	從具有正指數 a - 1 的冪分佈中，在 [0, 1] 中抽取樣本。
rand(d0, d1, ..., dn)	給定形狀的隨機值。
randint(low[, high, size, dtype])	從 low（包含）到 high（不包含）傳回隨機整數。
randn(d0, d1, ..., dn)	從「標準常態」分佈傳回一個樣本（或多個樣本）。
random([size])	在半開區間 [0.0, 1.0) 中傳回隨機浮點數。
random_integers(low[, high, size])	介於 low 和 high 之間（包含）的 numpy.int_ 類型的隨機整數。
random_sample([size])	在半開區間 [0.0, 1.0) 中傳回隨機浮點數。
ranf(*args, **kwargs)	This is an alias of random_sample.
rayleigh([scale, size])	從 Rayleigh 分佈中抽取樣本。
sample(*args, **kwargs)	This is an alias of random_sample.
seed([seed])	重新設定單例 RandomState 實例的種子。
set_state(state)	從元組設定生成器的內部狀態。
shuffle(x)	就地修改序列，透過洗牌其內容。
standard_cauchy([size])	從模式 = 0 的標準柯西分佈中抽取樣本。
standard_exponential([size])	從標準指數分佈中抽取樣本。
standard_gamma(shape[, size])	從標準 Gamma 分佈中抽取樣本。
standard_normal([size])	從標準常態分佈（平均值=0，標準差=1）中抽取樣本。
standard_t(df[, size])	從自由度為 df 的標準學生 t 分佈中抽取樣本。
triangular(left, mode, right[, size])	從區間 [left, right] 上的三角分佈中抽取樣本。
uniform([low, high, size])	從均勻分佈中抽取樣本。
vonmises(mu, kappa[, size])	從 von Mises 分佈中抽取樣本。
wald(mean, scale[, size])	從 Wald 或反高斯分佈中抽取樣本。
weibull(a[, size])	從 Weibull 分佈中抽取樣本。
zipf(a[, size])	從 Zipf 分佈中抽取樣本。