np.random.RandomState

rng = numpy.random.RandomState(23355)
arrayA = rng.uniform(0,1,(2,3))

产生一个2行3列的assarray，其中的每个元素都是[0,1]区间的均匀分布的随机数
这里看以看到，有一个23355这个数字，其实，它是伪随机数产生器的种子，也就是“the starting point for a sequence of pseudorandom number”
对于某一个伪随机数发生器，只要该种子（seed）相同，产生的随机数序列就是相同的

# 仍以上面的seed为例，但执行多次
# 利用循环，执行4次
import numpy
for i in [1,2,3,4]:
    rng = numpy.random.RandomState(23455)
    arrayA = rng.uniform(0,1,(2,3))
    print arrayA

[[ 0.83494319 0.11482951 0.66899751]
[ 0.46594987 0.60181666 0.58838408]]
[[ 0.83494319 0.11482951 0.66899751]
[ 0.46594987 0.60181666 0.58838408]]
[[ 0.83494319 0.11482951 0.66899751]
[ 0.46594987 0.60181666 0.58838408]]
[[ 0.83494319 0.11482951 0.66899751]
[ 0.46594987 0.60181666 0.58838408]]
可以看到，每次循环产生的伪随机数都是相同的，这是由于每次伪随机数发生器的种子都是相同的

import numpy
for i in [1,2,3,4]:
    rng = numpy.random.RandomState(23455+i)
    arrayA = rng.uniform(0,1,(2,3))
    print ('i = %s' % (i))
    print (arrayA)

这里，我们做了一个小小的更改，每次循环的种子都加入了i，由于每次循环i值不同，导致每次循环的种子也不同，下面是改程序段的结果
i = 1
[[ 0.32180029 0.32730047 0.92742231]
[ 0.31169778 0.16195411 0.36407808]]
i = 2
[[ 0.81337698 0.42911854 0.67314798]
[ 0.23028294 0.35855031 0.22392573]]
i = 3
[[ 0.2709679 0.49933797 0.80771214]
[ 0.92140866 0.34157794 0.9903834 ]]
i = 4
[[ 0.78487022 0.76004529 0.29867001]
[ 0.80117314 0.98157647 0.68529413]]

补充：
rng的种子不变，而rng.rand()在每一次都会生成不一样的数据

import numpy
rng = numpy.random.RandomState(23455)
for i in [1,2,3,4]:
    arrayA = rng.rand(5)
    print ('i = %s' % (i))
    print (arrayA)

输出：
i = 1
[ 0.83494319 0.11482951 0.66899751 0.46594987 0.60181666]
i = 2
[ 0.58838408 0.31836656 0.20502072 0.87043944 0.02679395]
i = 3
[ 0.41539811 0.43938369 0.68635684 0.24833404 0.97315228]
i = 4
[ 0.68541849 0.03081617 0.89479913 0.24665715 0.28584862]

原文：http://www.cnblogs.com/lutingting/p/5185408.html