在 numpy 中生成随机 int64 数组的最简单方法？

Question

我想让int64 的随机数组均匀分布在int32 限制之外的某个范围内。

有randint 和random_integers 但它们与int32 一起使用；提供较大的上限会产生high is out of bounds for int32。

如何生成指定范围的随机int64 数组？

可能的解决方案：

• 使用浮动生成器。在这种情况下它的分辨率不会很差吗？
• 生成随机字节，将它们解释为int64 数组，然后通过lower + x % (upper - lower) 标准化。但是int32 代是否具有相同的规范化？不影响均匀度吗？

我是不是错过了一些更简洁方便的方式？

为什么随机方法只产生floats 和int32？

Answer 1

编辑：

在 numpy > 1.11.0 的 Windows 上使用 dtype：

根据 @John Y 的建议，似乎可以使用 dtype 作为命名参数和 np.random.randint 将整数转换为所需的格式：

a = np.random.randint(2147483647, 9223372036854775807, size=3, dtype=np.int64)

[结束编辑]

可以通过设置randint的范围直接生成数组；它可能比数组的零碎生成和聚合更有效：

文档字符串： (numpy randint)

randint(low, high=None, size=None)

如果 int 32 的大小范围：

ii32 = np.iinfo(np.int32)
iinfo(min=-2147483648, max=2147483647, dtype=int32)

int64 的大小范围 c long

ii64 =  np.iinfo(np.int64)
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)

生成 val > int32.max 的 int64 数组：

a = np.random.randint(2147483647, 9223372036854775807, size = 3)
array([4841796342900989982,   43877033468085758,  205656391264979944])

检查数据类型：按预期给出int64

a.dtype
dtype('int64')

numpy.randint 在指定范围内为您提供均匀分布（注意，该范围不包括两端，与 python randint 不同）

Answer 2

正如 Robert Kern 在上面的 cmets 中已经提到的，在 numpy (v1.11.0) 的最新版本中np.random.randint accepts a dtype= parameter which allows you to generate 64-bit integers directly。

如果你有一个旧版本的 numpy 并且由于某种原因你不能升级，你建议的生成随机字节的解决方案，将它们视为 int64 并根据你想要的范围截断它们应该同样有效 - in事实上，that's essentially how numpy's internal RNG does it*.

*正如 @moarningsun 在下面指出的rk_random_uint64 实际上使用拒绝采样，但我仍然认为没有理由不使用模数包装这些值。

import numpy as np
from scipy import stats

def randint64(low, high, size, seed=None):

    # generate a string of random bytes
    n = np.prod(size)
    bytes = np.random.RandomState(seed).bytes(n * 8)

    # view as an int64 array
    ints = np.fromstring(bytes, np.int64, n).reshape(size)

    ints %= np.int64(high - low)    # truncate
    ints += np.int64(low)           # offset

    return ints

imax = np.iinfo(np.int64).max
print(imax)
# 9223372036854775807

ints = randint64(0, imax, int(1E6), seed=0)

print(ints.max())
# 9223355891497906972

# test uniformity
print(stats.kstest(ints, stats.uniform(loc=0, scale=imax).cdf))
# KstestResult(statistic=0.00085961807556278469, pvalue=0.45082598256836681

Answer 3

您可以使用random.randint并转换返回值：

>>> import numpy as np
>>> import random
>>> np.int64(random.randint(10000, 1000000000000))
321601597066

我不能保证这是最快的方法，但至少它有效并且非常清晰......（并且要获得一个数组，你只需这样做一堆次）。