Python numpy.random和#x27；s生成器类和np.random方法？

我使用numpy的随机功能已有一段时间了，方法是调用

np.random.choice（）

或

np.random.randint（）等。
我刚刚发现了创建
default\rng
对象或其他对象的能力：

到目前为止，我会一直使用

np.random.randint(10)

相反，我想知道这两种方式之间的区别是什么

我能想到的唯一好处是跟踪多个种子，或者希望使用特定的PRNG，但对于更通用的用例，可能也存在差异？
numpy.random.*
函数（包括
numpy.random.binomial
）使用在整个应用程序中共享的全局随机生成器对象。另一方面，
default\u rng（）
是一个独立的生成器对象，不依赖于全局状态

如果您不关心应用程序中可再现的“随机性”，那么这两种方法暂时是等效的。尽管总体上不鼓励使用全局状态，但它没有反对版本1.17中的任何
numpy.random.*
函数，尽管将来的numpy版本可能会这样做

还要注意的是，由于
numpy.random.*
函数依赖于一个全局随机生成器对象，该对象不是线程安全的，因此如果应用程序使用多个线程，则这些函数将失效。（
Generator
对象也不是线程安全的，但是有一些方法可以实现，而不需要跨线程共享随机生成器对象。）
randint
和
np的其他函数。现在不推荐使用随机生成器。能够使用多个独立的随机数流是它们的优点之一，但生成器也允许您在不同的随机数流之间进行选择，甚至可以实现自己的随机数流，因此它更灵活，也可能使再现性更容易。再现性和灵活性参数确实有意义，虽然我猜编写自己的位生成器主要局限于加密应用程序？是的，我想说的是，它局限于非常特定的应用程序、研究/研究或特定的情况，在这些情况下，您试图精确匹配其他软件的行为。这是否回答了您的问题@彼得罗。不完全是，我确实理解这个用法，我想知道是否有一些潜在的差异，我应该注意一下。或者切换到新界面是否有任何不明显的好处，等等。
np.random.randint(10)