scipy.stats....rvs 和 numpy.random 随机抽取之间的区别

看起来是否是相同的分布，从中抽取随机样本numpy.random比这样做更快scipy.stats.-.rvs。我想知道是什么原因导致两者之间的速度差异？

scipy.stats.uniform实际上使用了numpy，这里是stats中对应的函数（mtrand是numpy.random的别名）

class uniform_gen(rv_continuous):
    def _rvs(self):
        return mtrand.uniform(0.0,1.0,self._size)

scipy.stats 在错误检查方面有一些开销，并使接口更加灵活。只要您不在每次绘制的循环中调用uniform.rvs，速度差异应该很小。例如，您可以一次获得所有随机抽奖（1000 万）

>>> rvs = stats.uniform.rvs(size=(10000, 1000))
>>> rvs.shape
(10000, 1000)

这是我不久前写的长答案：

scipy/numpy 中的基本随机数是由以下命令创建的 numpy.random 中的 Mersenne-Twister PRNG。的随机数为 numpy.random 中的分布位于 cython/pyrex 中，并且速度相当快。

scipy.stats 没有随机数生成器，随机数是 通过以下三种方式之一获得：

• 直接来自 numpy.random，例如正常，t，...相当快

• 通过其他随机数的变换得到的随机数 在 numpy.random 中可用，也非常快，因为它运行在 整个数字数组

• generic：唯一通用的随机数生成是由 使用 ppf（逆 cdf）来变换均匀随机数。 如果有明确的表达式，则速度相对较快 ppf，但可以very如果必须计算 ppf，则速度较慢 间接地。例如，如果仅定义了 pdf，则 cdf 为 通过数值积分获得，ppf 通过以下方式获得 方程求解器。所以一些发行版非常慢。