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

猜你喜欢