numpy.random.seed()的理解

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/album_gyd/article/details/89469761

代码一是使用了随机数种子seed()，种子数28，seed( ) 是用于指定随机数生成时所用算法开始的整数值，代码中每执行一次都使用了相同的随机数种子28，所以生成的随机数是相同的。

代码一：

for i in range(5):
    np.random.seed(28)
    print(np.random.random())

运行结果：

0.7290137422891191
0.7290137422891191
0.7290137422891191
0.7290137422891191
0.7290137422891191 

代码二中每执行一次都使用了不同的随机数种子i，所以生成的随机数是不同的。

代码二：

for i in range(5):
    np.random.seed(i)
    print(np.random.random())

运行结果：

0.5488135039273248
0.417022004702574
0.43599490214200376
0.5507979025745755
0.9670298390136767

再举个例子代码三，在执行5次循环中，只有第一次循环使用了seed()，因此seed()只作用了运行结果的第一个随机数字，其他几次循环不执行seed()提供的种子数28,所以根据系统的时间来生成自己的种子数，来生成随机数字，且每次生成的随机数字不相同。

代码三：

np.random.seed(28)
for i in range(5):
    print(np.random.random())

运行结果：

0.7290137422891191
0.5612396023276411
0.12496709200924094
0.39759236870011716
0.7813082062734761

总结：

seed( ) 用于指定随机数生成时所用算法开始的整数值。 
1.如果使用相同的seed( )值，则每次生成的随即数都相同； 
2.如果不设置这个值，则系统根据时间来自己选择这个值，生成自己的种子，此时每次生成的随机数因时间差异而不同。 
3.设置的seed()值仅一次有效