NumPy参考 >例行程序 >Random sampling (numpy.random) >Bit Generators > MT19937
numpy.random.MT19937（seed = None ）¶Mersenne Twister伪随机数生成器的容器。
初始化的种子BitGenerator。如果为None，则将从操作系统中提取新鲜的，不可预测的熵。如果传递了int或
array_like[ints]，则将传递
SeedSequence以获得初始BitGenerator状态。一个SeedSequence实例也可能通过。
笔记
MT19937提供了一个胶囊，其中包含产生双精度值的函数指针以及无符号的32位和64位整数[1]。这些在Python中不可直接使用，必须由Generator
支持低级访问的一个或类似对象使用。
Python stdlib模块“随机”还包含Mersenne Twister伪随机数生成器。
状态与播种
该MT19937状态向量包括32位无符号整数一个624个元素的数组加一个整数值的0和624的索引主阵列内的当前位置。
输入的种子将被处理SeedSequence以填充整个状态。重置第一个元素，以便仅设置其最高有效位。
平行功能
在并行应用程序中使用BitGenerator的首选方法是使用该SeedSequence.spawn方法获取熵值，并使用它们生成新的BitGenerator：
>>> from numpy.random import Generator, MT19937, SeedSequence
>>> sg = SeedSequence(1234)
>>> rg = [Generator(MT19937(s)) for s in sg.spawn(10)]
MT19937.jumped如果
已经生成随机数，则使用另一种方法来推进状态
（[1]，[2]）。这样可以拆分原始序列，以便可以在每个工作进程中使用不同的段。所有生成器都应链接在一起，以确保片段来自相同序列。
>>> from numpy.random import Generator, MT19937, SeedSequence
>>> sg = SeedSequence(1234)
>>> bit_generator = MT19937(sg)
>>> rg = []
>>> for _ in range(10):
... rg.append(Generator(bit_generator))
... # Chain the BitGenerators
... bit_generator = bit_generator.jumped()
兼容性保证
MT19937 保证种子是固定的，并且将始终产生相同的随机整数流。
参考文献
原本博，松本诚和Pierre L'Ecuyer，“多项式空间中线性递归的快速跳跃算法”，序列及其应用-SETA，290-298，2008年。
原本博史，松本诚，西村拓uji，弗朗索瓦·潘尼通，皮埃尔·拉厄尔（Pierre L'Ecuyer），“ F2线性随机数发生器的有效前行”，《计算机科学与信息杂志》，第1卷。20，第3号，2008年夏季，第385-390页。
共享的锁实例，以便同一位git generator可以在多个Generator中使用，而不会破坏状态。从位生成器生成值的代码应持有位生成器的锁。