避免随机数重复的方法——python

我在下面的代码中使用python中的随机数例程来创建噪声信号

res = 10
# Add noise to each X bin accross the signal

X = np.arange(-600,600,res)

for i in range(10000):
    noise = [random.uniform(-2,2) for i in xrange(len(X))]

# custom module to save output of X and noise to .fits file 
wp.save_fits('test10000', X, noise)

plt.plot(V, I)

plt.show()

在本例中，我将生成10000个“noise.fits”文件，然后我希望将这些文件合并在一起，以显示叠加噪声均方根（rms）的预期1/sqrt（N）依赖性，作为合并对象数量的函数

我的问题是，rms遵循这种依赖性直到1000个对象，在这一点上它向上偏移，这表明随机数生成器

---

是否有一种常规或方法来构造代码，以避免或尽量减少这种重复？（理想情况下，数字是介于最大值和最小值>1之间的浮点数，我认为你不会接近RNG的周期。你可能有一个bug。不过，为了测试它是否是由于RNG中的弱点造成的，请尝试使用

random.SystemRandom

生成随机数。这是为了加密安全，所以不太可能有任何意外的统计结果。我已经运行了一些测试，但在使用random.SystemRandom时问题仍然存在。我还试图找到我的bug可能在哪里，但我正在努力。随机例程似乎听起来不错，所以可能在添加例程中，但找到哪里很棘手。有什么想法吗？请澄清这是我与Random.SystemRandom

rnd=Random.SystemRandom（）一起使用的代码，用于范围（9000）内的I:

X=np.arange（-600600，res）

X=X.tolist（）noise=np.zero（len（X））

Y=[rnd.uniform（-2,2）用于范围（len（X））]

noise=noise+Y

你不会碰巧有其他数据错误地进入计算，是吗？也许你的地球仪捕捉到了你不想要的东西。

import os
import numpy as np
from astropy.io import fits
import matplotlib.pyplot as plt
import glob

rms_arr =[]
#vel_w_arr = []
filelist = glob.glob('/Users/thbrown/Documents/HI_stacking/mockcat/testing/test10000/M*.fits')
filelist.sort()

for i in (filelist[:]):

    print(i)

    #open an existing FITS file
    hdulist = fits.open(str(i))

    # assuming the first extension is the table we assign data to record array
    tbdata = hdulist[1].data

    #index = np.arange(len(filelist))

    # Access the signal column
    noise = tbdata.field(1)

    # access the vel column
    X = tbdata.field(0)

    if i == filelist[0]:
        stack = np.zeros(len(noise))
        tot_rms = 0 

    #print len(stack)
    # sum signal in loop
    stack = (stack + noise)

    rms = np.std(stack)

    rms_arr = np.append(rms_arr, rms)

numgal = np.arange(1, np.size(filelist)+1)

avg_rms = rms_arr / numgal