python np.random.seed直观程序理解

permutation(len)返回0~len的一个全排列

第一个程序:

import numpy as np

# np.random.seed(42)
ls = np.random.permutation(10)
# np.random.seed(42)
ls_2 = np.random.permutation(10)
# np.random.seed(42)
# ls_add = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2, sep='\n')

运行两次程序的输出:

first:
[3 7 9 5 8 6 2 0 4 1]
[3 8 0 9 6 1 2 7 5 4]
second:
[6 7 4 9 3 5 2 1 8 0]
[0 8 4 9 7 6 2 3 5 1]

两次程序完全不同,并且每次ls和ls_2的输出也不一样

第二个程序:

ls和ls_2的输出不同,但两次运行程序输出相同

import numpy as np

np.random.seed(42)
ls = np.random.permutation(10)
# np.random.seed(42)
ls_2 = np.random.permutation(10)
# np.random.seed(42)
# ls_add = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2, sep='\n')

运行两次程序的输出:

first:
[8 1 5 0 7 2 9 4 3 6]
[0 1 8 5 3 4 7 9 6 2]
second:
[8 1 5 0 7 2 9 4 3 6]
[0 1 8 5 3 4 7 9 6 2]

第三个程序

ls和ls_2的相同且两次程序运行输出也相同


import numpy as np

np.random.seed(42)
ls = np.random.permutation(10)
np.random.seed(42)
ls_2 = np.random.permutation(10)
# np.random.seed(42)
# ls_add = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2, sep='\n')

运行两次程序的输出:

first:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]
second:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]

第四个程序

如果permutation的全排列长度改变?seed还有用吗

import numpy as np

np.random.seed(42)
ls = np.random.permutation(10)
np.random.seed(42)
ls_2 = np.random.permutation(10)
np.random.seed(42)
ls_add = np.random.permutation(14)
np.random.seed(42)
ls_add_2 = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2,ls_add, ls_add_2, sep='\n')

两次运行程序输出:

first:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]
second:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中,np.random.seed是用来设置随机数生成器的种子。种子是一个整数,它决定了随机数生成器的起始状态。当你在代码中设置了相同的种子,随机数生成器将会产生相同的随机数序列。这对于需要可重现的随机性是非常有用的。 举个例子,当你在代码中使用np.random.seed(2),那么在后续的随机数生成中,如果你设置了相同的种子,你将会得到相同的随机数序列。这样可以确保结果的可重现性。 另外,np.random.seed的作用范围是全局的,也就是说,一旦设置了种子,整个程序中的随机数生成都会受到影响。 总结来说,np.random.seed是用来设置随机数生成器的种子,它可以确保随机数的可重现性,并且作用范围是全局的。通过设置相同的种子,你可以获得相同的随机数序列。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [python -- np.random.seed()](https://blog.csdn.net/weixin_41043240/article/details/80076844)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [python np.random.seed直观程序理解](https://blog.csdn.net/dss_dssssd/article/details/82804730)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值