Python中numpy.random和random.random之间的性能差异

Python中numpy.random和random.random之间的性能差异

numpy.random

和python的

random

工作方式不同，尽管正如您所说，它们使用相同的算法。

就种子而言
：可以使用from中的

set_state

and

get_state

函数

numpy.random

（在python中

random

称为

getstate

和

setstate

），并将状态从一个传递到另一个。结构略有不同（在python中，

pos

整数附加到状态元组中的最后一个元素）。请参阅numpy.random.get_state（）和random.getstate（）的文档：

import randomimport numpy as nprandom.seed(10)s1 = list(np.random.get_state())s2 = list(random.getstate())s1[1] = np.array(s2[1][:-1]).astype('int32')s1[2] = s2[1][-1]np.random.set_state(tuple(s1))print(np.random.random())print(random.random())>> 0.57140259468991350.5714025946899135

在效率方面 ：这取决于您要执行的 *** 作，但是numpy通常更好，因为您可以创建元素数组而不需要循环：

%timeit np.random.random(10000)142 µs ± 391 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)%timeit [random.random() for i in range(10000)]1.48 ms ± 2.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

在“随机性”方面
，numpy（根据他们的文档）也更好：

注意：Python stdlib模块“ random”还包含Mersenne
Twister伪随机数生成器，其生成方法与中提供的方法类似

RandomState

。

RandomState

除了具有NumPy感知能力外，它还具有提供大量概率分布可供选择的优势。