我在Python中有一個很大的腳本。我在其他人的代碼中激發了我自己，所以我最終使用了numpy.random模塊來完成某些事情（例如，創建一個從二項分佈中獲取的隨機數組），而在其他地方我使用模塊random.random。Python中的numpy.random和random.random之間的區別
有人能告訴我兩者之間的主要區別嗎？ 看看這兩個文檔的網頁，在我看來，numpy.random只是有更多的方法，但我不清楚隨機數的產生方式是不同的。
我問的原因是因爲我需要爲我的主程序進行種子調試。但是它不起作用，除非我在我導入的所有模塊中使用相同的隨機數生成器，這是正確的嗎？
此外，我在另一篇文章中閱讀了關於不使用numpy.random.seed()的討論，但我不明白爲什麼這是一個糟糕的主意。如果有人向我解釋爲什麼會出現這種情況，我會很感激。
你已經做了很多正確的觀察！
除非你想種兩個隨機發生器，否則從長遠來看選擇一個發生器或其他發生器可能會更簡單。
對於numpy.random.seed()，主要難點在於它不是線程安全的 - 也就是說，如果您有many different threads of execution，則不安全，因爲如果兩個不同的線程同時執行該函數。如果你不使用線程，並且如果你可以合理地預期你將不需要以這種方式重寫你的程序，numpy.random.seed()應該沒問題。如果有任何理由懷疑您未來可能需要線程，從長遠角度來看，按照建議進行操作要更安全，並且要到make a local instance of the numpy.random.Random class。據我所知，random.random.seed()是線程安全的（或至少，我沒有找到任何相反的證據）。
numpy.random庫包含一些常用於科學研究的額外概率分佈，以及一些用於生成隨機數據陣列的便利函數。 random.random函數庫稍微輕量一些，如果您不進行科學研究或其他統計工作，應該沒問題。
否則，它們都使用Mersenne twister sequence來生成它們的隨機數，它們都是完全確定性的 - 也就是說，如果您知道幾個關鍵位的信息，則可以絕對肯定地預測what number will come next。出於這個原因，任何一個都不適用於任何serious cryptographic uses。但是因爲序列非常長，所以在日常程序中都可以生成隨機數。這也是產生隨機值的必要性的原因 - 如果你每次都在同一個地方開始，你總會得到相同的隨機數序列！
作爲一個側面說明，如果你做需要的加密級別的隨機性，你應該如果你使用比Python 3.6更早的Python版本使用secrets模塊，或者類似的東西Crypto.Random。
種子的來源和使用的分佈配置文件將會影響輸出 - 如果你正在尋找密碼隨機性，從os播種。urandom（）將從設備chatter（即以太網或磁盤）（即BSD上的/ dev/random）獲得幾乎真正的隨機字節。
這將避免您給出種子並生成決定性隨機數。然而隨機通話則允許你將數字擬合成一個分佈（我稱之爲科學隨機性 - 最終你想要的是一個隨機數的鐘形曲線分佈，numpy最好是在去除這個數字。一個發電機，但決定你想要什麼隨機 - 隨機的，而是defitniely從distrubtuion曲線，或隨機的，因爲你可以不量子器件
非常感謝Paul，你的回答非常有用！我不是在尋找密碼隨機性，我正在做數學建模，僞隨機數對我來說已經足夠了。事實證明，我不能堅持一個發電機，因爲我需要numpy的二項分佈和我的程序調用另一個程序，使用隨機:( – Laura
從Python for Data Analysis，模塊numpy.random補充了Python random與功能有效。從多種概率分佈生成整個樣本值數組。相比之下，Python內置的random模塊一次僅採樣一個值，而numpy.random可以更快地生成非常大的採樣。使用IPython的神奇功能%timeit一個可以看到哪些模塊執行速度更快：
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
作爲一個遠親音符，它有時neccesary *既不是*使用，因爲梅森捻線機不產生熵足夠的加密的隨機序列（和一些不尋常的科學）目的。在這些罕見的情況下，您經常需要[Crypto.Random]（https://www.dlitz.net/software/pycrypto/apidoc/Crypto.Random.random-module.html），它可以使用特定於操作系統的熵源生成非確定性的隨機序列，其質量遠高於僅從random.random獲得的質量。不過你通常不需要這個。 – SingleNegationElimination
謝謝你Hannnele。你的見解非常有用！事實證明，我不能逃脫只使用一個隨機數字生成器，（因爲隨機不會產生二項分佈，所以它必須是numpy），因爲我的程序的一部分調用另一個使用隨機的程序。我將不得不種下兩臺發電機。 – Laura
「如果你知道你現在擁有哪個號碼，那麼可以絕對確定接下來會接下來的號碼。」我認爲這個聲明可能需要一些澄清。意思是，如果你知道發電機的內部狀態*，你可以重現序列 - 這就是你在發電機發電時所做的事情。給定發電機的單個數字輸出，您無法預測下一個數字。這個週期非常大，在計算僞隨機序列的位置並預測下一個序列之前，可能需要很長的數字序列。 –