怎么理解np.random.seed()?

最新推荐文章于 2025-02-14 18:50:53 发布

敲代码的乔帮主

最新推荐文章于 2025-02-14 18:50:53 发布

阅读量1.3k

点赞数 6

分类专栏： Python 文章标签： np.random.seed() seed函数

本文链接：https://blog.csdn.net/Suyebiubiu/article/details/102769853

版权

Python 专栏收录该内容

28 篇文章

订阅专栏

本文深入探讨随机数种子的概念，解释其在程序中如何确保随机数的可重复性。通过实例演示，展示不同种子参数的选择对随机数生成的影响，并讨论在多次执行同一程序时，种子如何持续发挥作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

先抛出几个问题：

1、利用随机数种子，每次生成的随机数相同。这是什么意思?

2、随机数种子的参数怎么选择？在别人的代码中经常看到np.random.seed(Argument),这个参数不一样，有的是0，有的是１，当然还有其他数。那这个参数应该怎么选择呢？

3.下一次重新执行这个程序的时候，产生的随机数还一样吗？seed还会起作用吗？

做个试验：

import numpy as np

if __name__ == '__main__':
    print("第一个while：")
    i = 0
    while(i<6):
        if(i<3):
            np.random.seed(0)
            print(np.random.randint(1, 1000))
        else:
            print(np.random.randint(1, 1000))
        i += 1
    print("第二个while：")    
    i = 0    
    while(i<2):
        print(np.random.randint(1, 1000))
        i += 1
    np.random.seed(0)
    print("第三个while：")
    i = 0
    while(i<8):
        print(np.random.randint(1, 1000))
        i += 1

输出结果：

第一个while：
685
685
685
560
630
193
第二个while：
836
764
第三个while：
685
560
630
193
836
764
708
360

我们可以看到，在一次执行程序中，一旦前面加上了seed语句，那么下一个产生的随机数就会和前面的那个seed产生的随机数一样。比如这个程序中产生的685，其代码前都有seed语句，在第三个while中，第一个产生的随机数前面是有seed语句的，第二个就已经进入while循环，没有seed效果。所以没有产生685

随机数种子的参数怎么选择？我认为随意，这个参数只是确定一下随机数的起始位置。

第三个问题是，当下一次执行程序时候，seed还会起作用吗？我分别在19:12和19:14两个时间点，分别运行了这个程序，我们可以看到，seed起到的作用是，所有随机数均一样。