Question

我想知道是否可以用NumPy精确地再现MATLAB的randn（）的整个序列。我使用Python / Numpy编写了自己的例程，并且它给了我一些与其他人所做的MATLAB代码不同的结果，并且由于不同的随机抽取，我很难找到它的来源。

我找到了numpy random.seed值，它为第一次绘制产生相同的数字，但是从第二次绘制开始，它完全不同。我正在绘制多变量法则达20,000次，所以我不想只保存matlab绘制并用Python读取它。如果有任何其他方式，我想我必须这样做。请告诉我。

-Joon

Answer 1

如果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。我不太清楚如何最好地做到这一点，但这似乎有效，在matlab中：

rand('twister', 5489)

并在numy中对应：

np.random.seed(5489)

要（重新）初始化你的随机数生成器。这为我提供了rand（）和np.random.random（）的相同数字，但是对于randn，我不确定是否有一个简单的方法。

使用较新的matlab版本，您可以设置一个与numpy具有相同属性的RandStream，对于较旧的，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（此处给出的第二个算法：http://www.taygeta.com/random/gaussian.html）。您可以在matlab中编写该算法，以便在matlab中使用rand函数创建与numpy相同的randn数。

如果你不需要大量的随机数，只需将它们保存在.mat中，然后从scipy.io中读取它们......

Answer 2

用户询问是否可以重现matlab的randn（）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，但下面的解决方案适用于我。

在Matlab中：按如下方式生成正态分布随机数：

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

在Python中：生成正常的分布式随机数，如下所示：

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]])

从Matlab移动到Python，反之亦然，拥有可以重现相等随机数的函数非常方便。

Answer 3

只是想进一步澄清使用twister / seeding方法：MATLAB和numpy使用此种子生成相同的序列，但会以不同方式填充它们。

MATLAB 填写矩阵向下列，而 python 为向下行。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：

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：我也在这个类似的问题上提出了这个答案：Comparing Matlab and Numpy code that uses random number generation

是否可以用NumPy重现MATLAB的randn（）？

3 个答案: