调用 np.random.shuffle() 后如何更新随机状态？洗牌列表的长度如何影响它？

Question

调用np.random.shuffle()后如何更新随机状态？以及要打乱的列表的长度如何影响它？

这是实验：

np.random.seed(3)
print(np.random.get_state()[0],str(np.random.get_state()[1][:5]))
delta = 7
for t in [3,7,8, 9, 10]:
    print('-'*20)
    x = np.power(2, t)
    np.random.seed(3)
    a =np.arange(x-delta)
    np.random.shuffle(a)
    print(x-delta, np.random.get_state()[0],str(np.random.get_state()[1][:5]))
    np.random.seed(3)
    a =np.arange(x)
    np.random.shuffle(a)
    print(x, np.random.get_state()[0],str(np.random.get_state()[1][:5]))
    np.random.seed(3)
    a =np.arange(x+delta)
    np.random.shuffle(a)
    print(x+delta, np.random.get_state()[0],str(np.random.get_state()[1][:5]))

结果：

MT19937 [         3 1142332464 3889748055 3734916391 3619205944]
--------------------
1 MT19937 [         3 1142332464 3889748055 3734916391 3619205944]
8 MT19937 [2266350226  522119106 3046352735  732669494 2548320174]
15 MT19937 [2266350226  522119106 3046352735  732669494 2548320174]
--------------------
121 MT19937 [2266350226  522119106 3046352735  732669494 2548320174]
128 MT19937 [2266350226  522119106 3046352735  732669494 2548320174]
135 MT19937 [2266350226  522119106 3046352735  732669494 2548320174]
--------------------
249 MT19937 [2266350226  522119106 3046352735  732669494 2548320174]
256 MT19937 [2266350226  522119106 3046352735  732669494 2548320174]
263 MT19937 [2266350226  522119106 3046352735  732669494 2548320174]
--------------------
505 MT19937 [3210938781 3041878801 2995991318 2989044749 4131327847]
512 MT19937 [3210938781 3041878801 2995991318 2989044749 4131327847]
519 MT19937 [3210938781 3041878801 2995991318 2989044749 4131327847]
--------------------
1017 MT19937 [2643427254 2135041851 1650564992  768318449  937622320]
1024 MT19937 [2643427254 2135041851 1650564992  768318449  937622320]
1031 MT19937 [2643427254 2135041851 1650564992  768318449  937622320]

非常感谢。

Answer 1

快速查看 NumPy 0.14.x 来源。显然使用了 Fisher-Yates，in-place 版本，你可以看看算法是如何工作的。我看到的唯一区别是 NumPy 正在以相反的顺序进行随机播放（从 n 下降到 1）。

因此对整数的调用次数 in-range RNG 等于数组长度。但这里有一个问题 - 为了让整数内部数字生成器可能被调用不止一次，这里有一个 while 循环。

因此，故事的寓意 - 要随机播放大小为 n 的数组，RNG 将被调用 >= n 次。

更新

这里是 RNG 的区间（Win10，x64）：

unsigned long rk_interval(unsigned long max, rk_state *state) {
    unsigned long mask = max, value;

    if (max == 0) {
        return 0;
    }
    /* Smallest bit mask >= max */
    mask |= mask >> 1;
    mask |= mask >> 2;
    mask |= mask >> 4;
    mask |= mask >> 8;
    mask |= mask >> 16;

    /* Search a random value in [0..mask] <= max */
    while ((value = (rk_ulong(state) & mask)) > max);

    return value;
}

rk_ulong(state) 在一些包装中几乎是梅森龙卷风

你看，有一个掩码构建，但掩码值可能超出最大值，所以 while 循环是必要的，这就是对 MT 的调用次数 >= 数组中的项目数洗牌。

调用 np.random.shuffle() 后如何更新随机状态？洗牌列表的长度如何影响它？

How is random state updated after calling np.random.shuffle()? and how is it impacted by the length of the list to be shuffled?

python

random

numpy

shuffle