我正在等待另一个开发人员完成一段代码,该代码将返回一个形状为np的数组(100,2000),其值为-1,0或1.
与此同时,我想随机创建一个具有相同特征的数组,这样我就可以在开发和测试方面领先一步.问题是我希望这个随机创建的数组每次都是相同的,所以我不会测试每次重新运行我的进程时不断更改其值的数组.
我可以像这样创建我的数组,但有没有办法创建它,以便每次都相同.我可以腌制物体并解开它,但想知道是否还有另一种方法.
r = np.random.randint(3, size=(100, 2000)) - 1
我试图用不同的种子生成scipy.stats.pareto.rvs(b,loc = 0,scale = 1,size = 1).
在numpy中我们可以使用numpy.random.seed(seed = 233423)播种.
有没有办法播种scipy统计数据生成的随机数.
注意:我没有使用numpy pareto,因为我想给出不同的比例值.
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？
我已阅读文档但我仍然发现难以理解使用的区别
numpy.random.RandomState(0)
要么
numpy.random.seed(0)
它们是否都确保选择随机值的过程在运行中是相同且一致的？