Python中numpy.random和random.random的区别
我有一个Python脚本。 我启发了自己在其他人的代码，所以我最终使用numpy.random模块的一些东西（例如创build一个从二项分布采取的随机数组），在其他地方，我使用模块random.random 。
有人能告诉我两者之间的主要区别吗？ 看看这两个文档的网页，在我看来， numpy.random只是有更多的方法，但我不清楚随机数的产生是不同的。
我所要问的原因是因为我需要将我的主程序播种以进行debugging。 但是，除非我在我导入的所有模块中使用相同的随机数字生成器，否则这是行不通的，这是正确的吗？
另外，我在另一篇文章中阅读了关于不使用numpy.random.seed()的讨论，但是我不明白为什么这是一个糟糕的主意。 我真的很感激，如果有人解释我为什么是这样的话。
你已经做了很多正确的观察！
除非你想种下两个随机发生器，否则从长远来看，select一个发生器或另一个发生器可能会更简单。
对于numpy.random.seed() ，主要的难点在于它不是线程安全的 – 也就是说，如果你有很多不同的执行线程是不安全的，因为如果两个不同的线程正在执行该function在同一时间。 如果你不使用线程，并且如果你可以合理地预期你将不需要以这种方式重写你的程序， numpy.random.seed()应该没问题。 如果有任何理由怀疑您将来可能需要线程，那么从长远来看，按照build议进行操作并创buildnumpy.random.Random类的本地实例会更安全。 据我所知， random.random.seed()是线程安全的（或至less，我没有find任何相反的证据）。
numpy.random库包含了科学研究中常用的一些额外的概率分布，以及生成随机数据arrays的一些便利函数。 random.random库稍微random.random ，如果你不做科学研究或其他统计工作，应该没问题。
否则，他们都使用Mersenne twister序列来产生它们的随机数，而且它们都是完全确定性的 – 也就是说，如果您知道一些关键信息位，就可以绝对确定地预测下一个数字 。 出于这个原因，既不适用于任何严重的encryption使用（你可能会想看看像Crypto.Random，或者，从Python 3.6，而不是秘密模块）。 但是因为序列非常长，所以在日常的程序中都可以生成随机数。 这也是产生随机值的必要性的原因 – 如果你每次都在同一个地方开始，你总会得到相同的随机数序列！
如果你正在寻找密码随机性，os.urandom（）的种子将从设备chatter（即以太网或磁盘）几乎真正的随机字节（即/ dev / random在BSD上）
这将避免你给一个种子，从而产生决定性的随机数。 然而，随机的电话，然后让你把数字适合分布（我称之为科学随机性 – 最终所有你想要的是一个随机数的钟形曲线分布，numpy是最好的在这一点上。
所以，坚持一个发电机，但决定什么随机你想要 – 随机，但从distrubtuion曲线defitniely，或随机的，你可以得到没有量子设备。
从Python for Data Analysis开始 ，模块numpy.random使用函数来补充Python random ，以便从多种概率分布中高效地生成整个样本值数组。
相比之下，Python的内置random模块一次仅采样一个值，而numpy.random可以更快地生成非常大的采样。 使用IPython magic函数%timeit可以看到哪个模块执行得更快：
In [1]: from random import normalvariate In [2]: N = 1000000 In [3]: %timeit samples = [normalvariate(0, 1) for _ in xrange(N)] 1 loop, best of 3: 963 ms per loop In [4]: %timeit np.random.normal(size=N) 10 loops, best of 3: 38.5 ms per loop
