Numpy伪随机数

1.seed( ) 用于指定随机数生成时所用算法开始的整数值，如果使用相同的seed( )值，则每次生成的随即数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同

i = 1
while i<11:
    np.random.seed(5)
    print(np.random.rand(6))
    i += 1
#[0.22199317 0.87073231 0.20671916 0.91861091]
[0.22199317 0.87073231 0.20671916 0.91861091]
[0.22199317 0.87073231 0.20671916 0.91861091]
[0.22199317 0.87073231 0.20671916 0.91861091]
[0.22199317 0.87073231 0.20671916 0.91861091]
[0.22199317 0.87073231 0.20671916 0.91861091]
[0.22199317 0.87073231 0.20671916 0.91861091]
[0.22199317 0.87073231 0.20671916 0.91861091]
[0.22199317 0.87073231 0.20671916 0.91861091]
[0.22199317 0.87073231 0.20671916 0.91861091]
#如果seed内传入相同的值，则生成的随机数是一样的

2.漫步1000，用np模块实现

nsteps = 1000
step = np.random.randint(0,2,nsteps)
steps = np.where(step>0,1,-1)
walk = steps.cumsum()
print('min:',walk.min())
print('max:',walk.max())
print((np.abs(walk)>10).argmax()) #超过10的索引