Python-random.seed()的作用 np.random.permutation

andom.seed(0)作用：使得随机数据可预测，即只要seed的值一样，后续生成的随机数都一样。
转载自：点击打开链接

numpy.random.seed(0) ; numpy.random.rand(4)
array([ 0.55, 0.72, 0.6 , 0.54])

numpy.random.seed(0) ; numpy.random.rand(4)
array([ 0.55, 0.72, 0.6 , 0.54])
当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数

numpy.random.rand(4)
array([ 0.42, 0.65, 0.44, 0.89])

numpy.random.rand(4)
array([ 0.96, 0.38, 0.79, 0.53])
也就是说，每次想获得与上次相同的随机数，seed后的数字应该相同！

random.random()函数是这个模块中最常用的方法了，它会生成一个随机的浮点数，范围是在0.0~1.0之间。

random.uniform()正好弥补了上面函数的不足，它可以设定浮点数的范围，一个是上限，一个是下限。

random.randint()随机生一个整数int类型，可以指定这个整数的范围，同样有上限和下限值，python random.randint。

random.choice()可以从任何序列，比如list列表中，选取一个随机的元素返回，可以用于字符串、列表、元组等。

random.shuffle()如果你想将一个序列中的元素，随机打乱的话可以用这个函数方法。

random.sample()可以从指定的序列中，随机的截取指定长度的片断，不作原地修改。

np.random.permutation
随机排列一个序列，返回一个排列的序列。

np.random.permutation(10)
array([1, 7, 4, 3, 0, 9, 2, 5, 8, 6])

np.random.permutation([1, 4, 9, 12, 15])
array([15, 1, 9, 4, 12])

arr = np.arange(9).reshape((3, 3))
np.random.permutation(arr)
array([[6, 7, 8],
[0, 1, 2],
[3, 4, 5]])

---

作者：Candy_GL
来源：CSDN
原文：https://blog.csdn.net/candy_gl/article/details/79356468
版权声明：本文为博主原创文章，转载请附上博文链接！