使用 randn 在 matlab 和 python 中生成相同的数组

Question

你好，我想在 python 和 matlab 中生成相同的向量，但我无法得到它。有人知道怎么做吗？

我的python代码是：

np.random.seed(1337)
A = np.random.randn(1,3)
A = array([[-0.70318731, -0.49028236, -0.32181433]])

我的matlab代码是：

rng(1337, 'twister');
A = randn(1,3)
A = -0.7832   -0.7012   -0.7178

我想给出相同的向量...

Answer 1

MATLAB 和 Python/NumPy 都按照您的方式配置和使用，使用相同的伪随机数生成器。此生成器生成相同的数字序列：

>> format long
>> rng(1337, 'twister');
>> rand(1,3)
ans =
   0.262024675015582   0.158683972154466   0.278126519494360

>>> np.random.seed(1337)
>>> np.random.rand(1,3)
array([[0.26202468, 0.15868397, 0.27812652]])

所以似乎是从随机流中产生正态分布值的算法不同。 There are many different algorithms to produce normally-distributed values from a random stream, and the MATLAB documentation doesn't mention which one it uses. NumPy does mention at least one method:

The Box-Muller method used to produce NumPy’s normals is no longer available in Generator. It is not possible to reproduce the exact random values using Generator for the normal distribution or any other distribution that relies on the normal such as the RandomState.gamma or RandomState.standard_t. If you require bitwise backward compatible streams, use RandomState.

简而言之，NumPy 有一个新的随机数系统 (Generator)，旧系统仍然可用 (RandomState)。这两个系统使用不同的算法将随机流转换为正态分布的数字：

>>> r = np.random.RandomState(1337)
>>> r.randn(1,3)                        # same as np.random.randn()
array([[-0.70318731, -0.49028236, -0.32181433]])
>>> g = np.random.Generator(np.random.MT19937(1337))
>>> g.normal(size=(1,3))
array([[-1.22574554, -0.45908464,  0.77301878]])

r 和 g 都产生相同的随机流（使用具有相同种子的 MT19937 生成器），但不同的正态分布随机数。

我找不到 Generator.normal 使用的算法。

使用 randn 在 matlab 和 python 中生成相同的数组

produce same array in matlab and python with randn

python

random

matlab

random-seed