问题标签 [numpy-random]

我一直在使用 numpy 的随机功能，通过调用诸如np.random.choice()or之类的方法np.random.randint()。我刚刚发现了创建default_rng对象或其他Generator对象的能力：

到目前为止，我会一直使用

相反，我想知道这两种方式之间的区别是什么。

我能想到的唯一好处是跟踪多个种子，或者想要使用特定的 PRNG，但也许对于更通用的用例也存在差异？

我有一个二维数组，比如说，a = [ [1, 2, 3, 4], [5, 6,7, 8], [9, 10, 11, 12], ...[21, 22, 23, 24] ]我想根据每行可能不同的概率分布从每一行中随机N选择元素。p

所以基本上，我想做一些类似[ np.random.choice(a[i], N, p=p_arr[i]) for i in range(a.shape[0]) ] 不使用循环的事情，其中p_arr​​ 2d 数组的形状与a. p_arr将每一行的概率分布存储在a.

我想避免使用 for 循环的原因是因为运行 line profiler 表明循环大大减慢了我的代码（我有大型数组要使用）。

有没有更多的python-ic方式来做到这一点？

我查看了这些链接（此处和此处），但它们没有回答我的问题。

谢谢！

我想在没有循环的情况下做的一个例子：

a = np.ones([500, 500])

>>> p_arr = np.identity(a.shape[0])

>>> for i in range(a.shape[0]):

... a[i] = a[i]*np.arange(a.shape[0])

...

>>> [print(np.random.choice(a[i], p =p_arr[i])) for i in range(a.shape[0])]

我创建了一个 numpy 数组

我想改变元素的位置。

我的预期输出应该只包含这三种模式

我尝试使用如下排列库

实际输出：

但是我有时会得到重复的值！

欢迎提出想法！！

提前致谢！！

问题很简单，我有一个索引向量，我想从中提取一组随机选择的索引及其补码。所以我写了以下代码：

但是，当我打印 vec、idx 和 idx_r 的长度时，它们不匹配。idx 和 idx_r 之间的总和返回值高于 len(vec)。例如，下面的代码：

返回：

5000 20462 25462 25000

Python 版本是 3.8.1，GCC 是 9.2.0。

NumPy 现在建议新代码使用defacult_rng()实例而不是新代码这一事实numpy.random让我开始思考应该如何使用它来产生良好的结果，无论是性能还是统计。

第一个例子是我最初想写的：

但我也考虑过在每个函数调用中创建一个新实例：

第三种选择是将 rng 作为函数调用中的参数传递。这样，相同的 rng 也可以用于代码的其他部分。

这用于模拟环境中，该环境将经常被调用来采样，例如，转换时间。

我想问题是这三种方法中的任何一种是否存在论据，是否存在某种实践？

此外，任何对使用这些随机数生成器的更深入解释的参考（除了 NumPy 文档和随机采样文章）都非常有趣！

我有 9x9 numpy 数组，里面填充了数字 [1;9]。我需要选择随机位置并将此单元格分配为 0，直到获得一定的难度值。顺便说一句，我的表应该满足某些标准，并且在多次测试中检查了功能。

我需要的是获得不会随时间重复的随机值对（i 和 j）。有什么我可以使用的功能或我可以实现的方法吗？先感谢您。

Numpy 文档建议使用Random Generator 包中的所有np.random.permutation新代码。np.random.default_rng()我在文档中看到 Random Generator 包已经标准化了围绕 BitGenerator 生成各种随机分布，而不是使用我隐约熟悉的 Mersenne Twister。

我看到了一个缺点，过去只需要一行代码就可以进行简单的排列：

现在变成了两行代码，对于这么简单的任务感觉有点别扭：

• 为什么这种新方法比以前的方法有所改进？
• 为什么现有的方法不能像np.random.permutation包装这种新的首选方法一样呢？
• np.random.default_rng().permutation(10)假设它没有被大量调用，是否有充分的理由不将这种新方法用作单线？
• 是否有将现有代码切换到此方法的论据？

代码很简单：

可能我遗漏了一些东西，但我理解这一点的方式是 rng.choice，使用完全相同的参数运行，如果它被播种，应该总是返回相同的东西。我错过了什么？

简单的测试代码：

numpy 文档说：

与 a 中的每个条目相关联的概率。如果没有给出样本，则假设 a 中所有条目的分布是均匀的。

我不知道创建统一分布的任何其他方式，但是numpy.repeat(1/len(pop),len(pop)).

numpy 是否在使用其他东西？为什么？

如果不是，设置分布如何影响种子？

分发和种子不应该是独立的吗？

我在这里想念什么？

在此处输入图像描述

使用 numpy 随机函数时出错，它显示 int object not callable 请建议替代