是否可以使用 NumPy 重现 MATLAB 的 randn()？答案

【问题标题】：Is it possible to reproduce randn() of MATLAB with NumPy?是否可以使用 NumPy 重现 MATLAB 的 randn()？
【发布时间】：2011-04-12 22:28:32
【问题描述】：

我想知道是否可以用 NumPy 精确地重现 MATLAB 的randn() 的整个序列。我用 Python/Numpy 编写了自己的例程，它给我的结果与其他人所做的 MATLAB 代码略有不同，而且由于随机抽取的不同，我很难找出它的来源。

我发现numpy.random.seed 值在第一次抽奖时产生相同的数字，但从第二次抽奖开始，它就完全不同了。我正在制作大约 20,000 次的多元法线绘图，所以我不想只保存 matlab 绘图并在 Python 中读取它。

【问题讨论】：

numpy.random.randn(...) 有什么问题？它应该完全满足您的需要，除非您担心使用给定的种子生成完全相同的数字序列......（没关系，显然这就是你想要做的，现在我重新阅读了这个问题。出于模糊的好奇心，为什么你需要完全相同的顺序？）
你是什么意思“MATLAB代码别人做了”？ randn 是一个标准的 MATLAB 函数。我真诚地希望您不要使用 FEX 垃圾堆中的某些“自定义”功能。
没什么问题，我需要用给定的种子生成完全相同的数字序列。正如我所说，我使用 NumPy 的例程给了我与 MATLAB 代码不同的结果，我无法调试它，因为随机数不同。我无法确定哪里出了问题。
@Nict T 当然不是。我正在运行一些贝叶斯模型，我的代码给出了与 MATLAB 代码不同的估计值。我很确定 MATLAB 代码是正确的，所以我正在尝试调试我的代码，但由于不同的随机抽取，我无法确定计算的不同之处。
仍然没有回答您的问题，但保存/加载并不是那么不好。 SciPy 有一个 MATLAB .mat 文件翻译器，因此您可以将您的 MATLAB 工作区转储到一个文件中，并使用 SciPy.io.mio scipy.org/doc/api_docs/SciPy.io.mio.html 轻松导入

标签： python matlab numpy scipy

【解决方案1】：

用户询问是否可以重现 Matlab 的 randn() 的输出，而不是 rand。我无法设置算法或种子来重现 randn() 的确切数字，但下面的解决方案对我有用。

在 Matlab 中：生成正态分布的随机数如下：

rng(1);
norminv(rand(1,5),0,1)
ans = 
   -0.2095    0.5838   -3.6849   -0.5177   -1.0504

在 Python 中：按如下方式生成正态分布的随机数：

import numpy as np
from scipy.stats import norm
np.random.seed(1)
norm.ppf(np.random.rand(1,5))
array([[-0.2095,  0.5838, -3.6849, -0.5177,-1.0504]])

当从 Matlab 迁移到 Python 或反之亦然时，拥有可以重现相等随机数的函数非常方便。

【讨论】：

【解决方案2】：

只是想进一步澄清使用捻线器/播种方法：MATLAB 和 numpy 使用这种播种生成相同的序列，但会以不同的方式将它们填充到矩阵中。

MATLAB向下列填充矩阵，而python向下行。因此，为了在两者中获得相同的矩阵，您必须转置：

MATLAB：

rand('twister', 1337);
A = rand(3,5)
A = 
 Columns 1 through 2
   0.262024675015582   0.459316887214567
   0.158683972154466   0.321000540520167
   0.278126519494360   0.518392820597537
  Columns 3 through 4
   0.261942925565145   0.115274226683149
   0.976085284877434   0.386275068634359
   0.732814552690482   0.628501179539712
  Column 5
   0.125057926335599
   0.983548605143641
   0.443224868645128

蟒蛇：

import numpy as np
np.random.seed(1337)
A = np.random.random((5,3))
A.T
array([[ 0.26202468,  0.45931689,  0.26194293,  0.11527423,  0.12505793],
       [ 0.15868397,  0.32100054,  0.97608528,  0.38627507,  0.98354861],
       [ 0.27812652,  0.51839282,  0.73281455,  0.62850118,  0.44322487]])

注意：我也将这个答案放在了类似的问题上：Comparing Matlab and Numpy code that uses random number generation

【讨论】：

【解决方案3】：

如果您将随机数生成器设置为相同的种子，理论上它将创建相同的数字，即在 matlab 中。我不太确定如何最好地做到这一点，但这似乎可行，在 matlab 中这样做：

rand('twister', 5489)

在numy中对应：

np.random.seed(5489)

（重新）初始化您的随机数生成器。这为我提供了 rand() 和 np.random.random() 相同的数字，但不是 randn，我不确定是否有一个简单的方法。

使用较新的 matlab 版本，您可能可以设置具有与 numpy 相同属性的 RandStream，对于旧版本，您可以在 matlab 中重现 numpy 的 randn（反之亦然）。 Numpy 使用极坐标形式从 np.random.random() 创建统一数字（此处给出的第二种算法：http://www.taygeta.com/random/gaussian.html）。您可以在 matlab 中编写该算法来创建与 numpy 在 matlab 中的 rand 函数中创建的相同的 randn 数。

如果您不需要大量随机数，只需将它们保存在 .mat 中并从 scipy.io 读取它们...

【讨论】：

非常感谢您的回答。我一定会尝试的。