random VS numpy.random

最新推荐文章于 2025-05-28 23:37:43 发布

mmい

最新推荐文章于 2025-05-28 23:37:43 发布

阅读量2.8k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/zm714981790/article/details/61195490

Python 专栏收录该内容

17 篇文章

订阅专栏

本文探讨了在Python中使用random模块与numpy.random模块生成随机数的区别。设置seed确保测试时随机数可重复，但不保证线程安全。在多线程场景下，推荐使用RandomState实例。numpy.random提供了更多高级功能，如生成随机数组，适合科学计算。对于一般需求，Python内置的random模块已足够。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 给随机生成器设置seed的目的是每次运行程序得到的随机数的值相同，这样方便测试。numpy.random.seed()不是线程安全的，如果程序中有多个线程最好使用numpy.random.RandomState实例对象来创建或者使用random.seed()来设置相同的随机数种子。

使用RandomState实例来生成随机数数组

from numpy.random import RandomState
r = RandomState(1234567890)
a = r.randint(1, 10,size=10)
r = RandomState(1234567890)
b = r.randint(1, 10, size=10)
r = RandomState(1234567890)
c = r.randint(1, 10, size=10)
r = RandomState(1234567890)
d = r.randint(1, 10, size=10)
print a, '\n', b, '\n', c, '\n', d

[ 1  1 -1  0  0 -1  1  0 -1 -1] 
[ 1  1 -1  0  0 -1  1  0 -1 -1] 
[ 1  1 -1  0  0 -1  1  0 -1 -1] 
[ 1  1 -1  0  0 -1  1  0 -1 -1]

使用Python的random来生成随机数

import random
random.seed(1234567890)
a = random.sample(range(10),5)  # 从range(10)=[0,1,2,3,4,5,6,7,8,9]中随机抽样5个数
random.seed(1234567890)
b = random.sample(range(10),5)
random.seed(1234567890)
c = random.sample(range(10),5)
random.seed(1234567890)
d = random.sample(range(10),5)
print a, '\n', b, '\n', c, '\n', d

[9, 5, 3, 8, 6] 
[9, 5, 3, 8, 6] 
[9, 5, 3, 8, 6] 
[9, 5, 3, 8, 6]

2 numpy.random库比Python内置的random库有更多的方法，比如生成随机数组numpy.random.randint(low[, high, size, dtype])。如果不进行科学计算，使用random.randint(a,b)就足够了。