numpy.random 的 Generator 类和 np.random 方法有什么区别？

Question

我已经使用 numpy 的随机功能一段时间了，通过调用诸如np.random.choice()或np.random.randint()等方法。我现在发现了创建一个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)

到目前为止我一直会使用

np.random.randint(10)

相反，我想知道这两种方式有什么区别。

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，但对于更通用的用例来说，也许也存在差异？

Answer 1

numpy.random.*函数（包括numpy.random.binomial）使用在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()它是一个独立的 Generator 对象，不依赖于全局状态。

如果您不关心应用程序中可重复的“随机性”，那么这两种方法暂时是等效的。尽管NumPy 的新 RNG 政策一般不鼓励使用全局状态，但它并没有弃用numpy.random.*1.17 版中的任何函数，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，因此如果您的应用程序使用多个线程，这些函数可能会导致竞争条件。（Generator对象也不是线程安全的，但有一些方法可以通过多线程生成伪随机数，而不需要跨线程共享 PRNG 对象。）