numpy.random 的生成器 class 和 np.random 方法有什么区别？

Question

我通过调用 np.random.choice() 或 np.random.randint() 等方法使用 numpy 的随机功能已有一段时间了。我刚刚发现了创建 default_rng 对象或其他 Generator 对象的能力：

from numpy.random import default_rng
gen = default_rng()
random_number = gen.integers(10)

到目前为止，我会一直使用

np.random.randint(10)

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？

Answer 1

numpy.random.* 函数（包括 numpy.random.binomial）使用在整个应用程序中共享的全局伪随机数生成器 (PRNG) 对象。另一方面，default_rng() 是一个独立的生成器对象，不依赖于全局状态。

如果你不关心应用程序中可重现的“随机性”，这两种方法暂时是等价的。虽然 NumPy's new RNG policy 通常不鼓励使用全局状态，但它并没有在 1.17 版中弃用任何 numpy.random.* 函数，尽管 NumPy 的未来版本可能会弃用。

另请注意，由于 numpy.random.* 函数依赖于非线程安全的全局 PRNG 对象，因此这些函数 if your application uses multiple threads. (Generator objects are not thread-safe, either, but there are ways to generate pseudorandom numbers via multithreading 无需跨线程共享 PRNG 对象。）

numpy.random 的生成器 class 和 np.random 方法有什么区别？

What is the difference between numpy.random's Generator class and np.random methods?

python

random

numpy

numpy-random