random VS numpy.random

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。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值