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

Question

我一直在使用numpy的随机功能一段时间，通过调用诸如or等方法。我刚刚发现了创建对象或其他生成器对象的能力：np.random.choice()np.random.randint()default_rng

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

到目前为止，我一直使用

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）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，是不依赖于全局状态的独立生成器对象。numpy.random.binomialdefault_rng()如果您不关心应用程序中可重现的“随机性”，则这两种方法暂时是等效的。尽管NumPy的新RNG策略通常不鼓励使用全局状态，但它并没有弃用1.17版本中的任何功能，尽管NumPy的未来版本可能会。numpy.random.*另请注意，由于函数依赖于非线程安全的全局 PRNG 对象，因此，如果应用程序使用多个线程，则这些函数可能会导致争用情况。（ 对象也不是线程安全的，但是有一些方法可以通过多线程生成伪随机数，而无需在线程之间共享 PRNG 对象。numpy.random.*Generator