随机数生成

内容

随机数生成¶

Dask 的随机数例程通过结合 BitGenerator 来创建序列，并使用 Generator 来利用这些序列从不同的统计分布中进行采样，从而生成伪随机数。

自 Dask 版本 2023.2.1 起，Generator 可以用多种不同的 BitGenerator 类初始化。它暴露了许多不同的概率分布。旧版的 RandomState 随机数例程仍然可用，但被视为冻结状态，不会获得任何更新。

与 NumPy 的区别¶

Dask 遵循 NumPy 的随机数生成接口，但有一些差异：

dask.array.random 下的方法接受一个 chunks 关键字。
Dask 试图保持后端无关性。换句话说，你可以主要使用 CuPy 和 NumPy 互换作为随机数生成的后端。任何提供类似接口的库也应该在一定程度上工作。

注释¶

BitGenerators: 生成随机序列的对象。这些由NumPy或CuPy等后端库提供，通常是填充了32或64位随机比特序列的无符号整数词。
生成器： 将 BitGenerator 生成的随机比特序列转换为遵循特定概率分布（如均匀分布、正态分布或二项分布）的数字序列的对象，这些数字序列在指定的区间内。
Dask 不保证在不同版本之间使用相同的随机数生成器。这意味着由 dask.array.random 生成的新版本中的数字可能与之前的版本不同，即使使用了相同的种子和分布。随着更好的算法的发展，比特流可能会发生变化。
Dask 不保证生成的数字与任何第三方库的奇偶性。特别是，即使使用相同的种子和 BitGenerator，Dask 和 NumPy 或 CuPy 生成的数字也会不同。Dask 倾向于生成 SeedSequence 子序列以在并行中产生独立的随机数流。
dask.array.random 中导出了许多 RandomState 方法作为函数。不建议使用此用法，因为它通过一个全局 RandomState 实例实现，这在两个方面不被推荐：
1. 它使用了全局状态，这意味着随着代码的变化，结果也会改变。
2. 它使用的是 RandomState，而不是更现代的 Generator。
出于向后兼容的遗留原因，我们不能更改这一点。使用 dask.array.random.default_rng() 来获取一个生成器并使用其方法。
Generator.integers 现在是生成离散均匀分布的整数随机数的规范方法。可以使用 endpoint 关键字来指定开区间或闭区间。这取代了 randint 和 random_integers。
Generator.random 现在是生成浮点随机数的规范方法，它取代了 random_sample。dask.array.random.random 方法仍然使用 RandomState 以保持向后兼容性，在新代码中应避免使用。请改用 Generator.random。

快速开始¶

调用 default_rng 以获取一个 Generator 的新实例，然后调用其方法从不同的分布中获取样本。默认情况下，Generator 使用由 PCG64 提供的比特，其统计特性优于 RandomState 中使用的传统 MT19937。

# Do this (new version)
import dask.array as da
rng = da.random.default_rng()
vals = rng.standard_normal(10)
more_vals = rng.standard_normal(10)

# instead of this (legacy version)
import dask.array as da
vals = da.random.standard_normal(10)
more_vals = da.random.standard_normal(10)

更多信息，请参阅 NumPy 文档

广义Ufuncs

API