如何生成N维随机值数组？现有NumPy写法能否用内置函数优化？

你完全不用手动逐个调用random.randint再包装成NumPy数组——NumPy本身就提供了专门的随机数生成工具，不仅代码更简洁，速度也快得多，而且天生支持生成任意N维的数组。

最直接的替代：np.random.randint() #

这个函数完美匹配你的需求，可以直接生成指定范围、任意维度的整数数组。它的参数很简单：

• low：生成整数的下限（包含）
• high：生成整数的上限不包含，所以你要生成0-9的数，这里得写10
• size：数组的形状，可以是单个整数（一维数组），或者元组（多维数组）

对应你原来的代码，用这个函数可以改成：

import numpy as np

# 方式1：分别生成x和y
x = np.random.randint(0, 10, size=3)
y = np.random.randint(0, 10, size=3)

# 方式2：一次性生成两个3维数组再拆分（更高效）
x, y = np.random.randint(0, 10, size=(2, 3))

更推荐的现代用法：numpy.random.Generator #

NumPy现在推荐使用Generator类来生成随机数，它的API更清晰，也更灵活。用法如下：

import numpy as np

# 初始化随机数生成器
rng = np.random.default_rng()

# 生成单个3维数组
x = rng.integers(0, 10, size=3)
y = rng.integers(0, 10, size=3)

# 或者一次性生成两个数组
x, y = rng.integers(0, 10, size=(2, 3))

扩展到N维数组 #

要生成任意N维的数组，只需要把size参数改成对应的形状元组就行。比如：

• 生成一个4维数组：rng.integers(0, 10, size=(2, 3, 4, 5))
• 生成一个10维数组：rng.integers(0, 10, size=(5,)*10)

为什么这比你的原方法高效？ #

你的原代码是在Python层面循环调用random.randint，然后把结果打包成NumPy数组——而NumPy的随机函数是底层用C实现的向量化操作，当数组规模变大时，速度差距会非常明显，同时代码也更简洁易维护。

内容的提问来源于stack exchange，提问作者Jake Jackson