python - Python 中 numpy.random 和 random.random 的区别

Question

我有一个 Python 大脚本。我在其他人的代码中启发了自己，所以我最终使用 numpy.random 模块来做一些事情(例如创建一个从二项分布中获取的随机数数组)，在其他地方我使用模块 random.random.

谁能告诉我两者之间的主要区别？查看这两者的文档网页，在我看来 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。

我问的原因是因为我需要为我的主程序播种以进行调试。但除非我在我导入的所有模块中使用相同的随机数生成器，否则它不起作用，这是正确的吗？

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

Answer 1

您已经做出了许多正确的观察!

除非您想要为两个随机生成器提供种子，否则从长远来看，选择一个或另一个生成器可能更简单。但是，如果您确实需要同时使用两者，那么是的，您还需要同时为它们播种，因为它们会生成彼此独立的随机数。

对于 numpy.random.seed()，主要的困难是它不是线程安全的——也就是说，如果你有 many different threads of execution，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，则不能保证工作。如果您不使用线程，并且可以合理地预期将来不需要以这种方式重写程序，则 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，从长远来看，按照建议进行操作会更安全，并且 make a local instance of the numpy.random.Random class .据我所知，random.random.seed() 是线程安全的(或者至少，我没有找到任何相反的证据)。

numpy.random 库包含一些额外的常用于科学研究的概率分布，以及一些用于生成随机数据数组的便利函数。 random.random 库更轻量一些，如果您不从事科学研究或其他类型的统计工作，应该没问题。

否则，他们都使用 Mersenne twister sequence生成它们的随机数，它们都是完全确定的——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 what number will come next .因此，numpy.random 和 random.random 都不适合任何 serious cryptographic uses .但是因为序列非常非常长，所以在您不担心有人试图对您的数据进行逆向工程的情况下，两者都可以很好地生成随机数。这也是需要为随机值设置种子的原因 - 如果您每次都从同一个地方开始，您将始终获得相同的随机数序列!

作为旁注，如果您确实需要加密级别的随机性，您应该使用 secrets模块，或类似 Crypto.Random 的东西如果您使用的是 Python 3.6 之前的 Python 版本。