numpy学习之随机数生成（1）

涉及模组：numpy.random

原理：

Numpy的随机数程序使用BitGenerator的组合产生伪随机数，以创建序列，并使用Generator从不同的统计分布中采样：

BitGenerators： 产生随机数的对象。这些通常是无符号整数字，充满了32或64个随机位的序列。

生成器： 将BitGenerator中的随机比特序列转化为指定区间内遵循特定概率分布（如均匀、正态或二项式）的数字序列的对象。

概念：

• Random Generator

Generator提供了对各种分布的访问，并作为RandomState的替代。两者之间的主要区别是，Generator依靠一个额外的BitGenerator来管理状态并生成随机位，然后将其转化为有用分布的随机值。Generator使用的默认BitGenerator是PCG64。可以通过向Generator传递一个实例化的BitGenerator来改变这个BitGenerator。

创建Generator的方法：

numpy.random.default_rng(seed=None)

概述：用默认的BitGenerator(PCG64)构造一个新的Generator。

参数：
seed{None, int, array_like[ints], SeedSequence, BitGenerator, Generator}, optional
一个用于初始化BitGenerator的种子。如果没有，那么新鲜的、不可预测的熵将从操作系统中提取。如果传递了一个int或array_like[ints]，那么它将被传递给SeedSequence，以获得初始BitGenerator状态。我们也可以传入一个SeedSequence实例。此外，当传递一个BitGenerator时，它将被Generator包装起来。如果传入一个Generator，它将被原样返回。

numpy.random.Generator(bit_generator)

概述：返回一个bitGernerator

参数：

bit_generator 可选的bit_generator, 如 PCG64()

• 随机数生成方法
• numpy.random.Generator.integers(low[, high, size, dtype, endpoint])

                概述：返回从低（包括）到高（不包括）范围内的随机整数

                参数：low:最低点（包括）。high：最高点（不包括）。size:返回维度。dtype:返回数据类型，默认np.int64.。endpoint:如果为True，将包含最高点进行随机取整，默认False。

• numpy.random.Generator.random(size=None, dtype=np.float64, out=None)

                概述：返回[0,1)的随机浮点数

                参数：size:返回维度。dtype:返回数据类型，默认np.float64。out: 代替结果返回。out array维度必须和指定一致

• random.Generator.choice(a, size=None, replace=True, p=None, axis=0, shuffle=True)         

                概述：从指定数组中返回样本

                参数：a: 如果是数组，则从其中返回样本；如果是整数，则从np.arange(a)中返回样本。size:返回维度。replace:数组元素是否可以复选，默认为True。p:概率数组，解释样本选择概率，默认为平均分布。axis: 采样方向，默认0为按行采样。shuffle:在无替换采样时，是否对样本进行洗牌。默认为True，False提供了一个加速。