np.random.seed()用法

下面先简单的创建一个随机种子

import numpy as np np.random.seed(1) m = np.random.randn() print(m) n = np.random.randn() print(n) q = np.random.randn() print(q) np.random.seed(1) t = np.random.randn() print(t) -------------------------------- 1.6243453636632417 -0.6117564136500754 -0.5281717522634557 1.6243453636632417

下面看一段代码：

import numpy as np num=0 while(num<5): np.random.seed(1) print(np.random.random()) num+=1 print('-------------------------') num1=0 np.random.seed(2) while(num1<5): print(np.random.random()) num1+=1

运行结果：

0.417022004702574 0.417022004702574 0.417022004702574 0.417022004702574 0.417022004702574 --------------------- 0.43599490214200376 0.025926231827891333 0.5496624778787091 0.4353223926182769 0.42036780208748903

random随机数是这样生成的：我们将这套复杂的算法（是叫随机数生成器吧）看成一个黑盒，把我们准备好的种子扔进去，它会返给你两个东西，一个是你想要的随机数，另一个是保证能生成下一个随机数的新的种子，把新的种子放进黑盒，又得到一个新的随机数和一个新的种子，从此在生成随机数的路上越走越远。

第一段代码把对种子的设置放在了循环里面，每次执行循环都旗帜鲜明地告诉黑盒：“我的种子是1”。那么很显然：同一个黑盒，同一个种子，自然得到的是同一个随机数。

第二段代码把对种子的设置放在了循环外面，他只在第一次循环的时候明确地告诉黑盒：“我的种子是2”。那么也很显然：从第二次循环开始，黑盒用的就是自己生成的新种子了。

多说一句：因为黑盒是始终如一的，所以只要你没改变种子，那么你得到的随机数就不会改变。

没有特殊需求的话，还是老老实实地用Python自动选择的种子吧，省心又省力。

以上大部分参考至下文链接 https://blog.csdn.net/weixin_41013470/article/details/82956178