如何在numpy数组中使用fastrand生成指定边界的随机数

云上老周

2026-10-2

可行实现方案

你可以通过以下两种方式实现用fastrand替代numpy随机数生成的需求，同时支持你补充提到的随机数上下限设置：

1. 基础循环实现（小数据量场景）

对于小规模数组，直接遍历目标位置逐个生成随机数即可，代码如下：

import numpy as np
import fastrand

# 原始数组
arr = np.array([[8, 7, 4, 9, 9], [9, 9, 9, 7, 9]])
# 目标修改位置：第二行前两个元素
target_slice = arr[1, :2]

# 生成随机数并修改（下限默认0，上限为对应位置值）
for i in range(len(target_slice)):
    # 随机数范围 [0, target_slice[i])
    rand_val = fastrand.pcg32bounded(target_slice[i])
    target_slice[i] -= rand_val

print(arr)

如果需要设置随机数下限，只需要修改生成逻辑：

low = 2  # 自定义的随机数最小值
for i in range(len(target_slice)):
    high = target_slice[i]
    # 范围调整为 [low, high)，先生成0~(high-low)的随机数再加low即可
    rand_val = low + fastrand.pcg32bounded(high - low)
    target_slice[i] -= rand_val

2. 高性能实现（大数据量场景）

如果你的数组规模很大，纯Python循环会抵消fastrand的性能优势，可以借助numba编译循环逻辑，性能会远高于原生np.random.randint：

import numpy as np
import fastrand
from numba import jit

# 编译快速随机修改函数，nopython模式下性能最优
@jit(nopython=True)
def fast_sub_rand(arr, row_idx, col_start, col_end, low=0):
    target = arr[row_idx, col_start:col_end]
    for i in range(len(target)):
        high = target[i]
        rand_val = low + fastrand.pcg32bounded(high - low)
        target[i] -= rand_val
    return arr

# 调用示例：修改第二行（索引1）前2列（0到2，左闭右开），随机数下限为0
arr = np.array([[8, 7, 4, 9, 9], [9, 9, 9, 7, 9]])
arr = fast_sub_rand(arr, row_idx=1, col_start=0, col_end=2, low=0)
print(arr)