1、随机数生成器设置种子
给随机生成器设置seed的目的是每次运行程序得到的随机数的值相同,这样方便测试。主要有两种方法,一种是使用Numpy.random库(Numpy.random库比Python内置的random库有更多的方法
),另一种是使用Python内置的random库。但是numpy.random.seed()不是线程安全的,如果程序中有多个线程最好使用numpy.random.RandomState()实例对象来创建或者使用random.seed()来设置相同的随机数种子
。
2、Numpy.random库
2.1 Numpy.random.RandomState()生成随机数数组
- 这是一个伪随机数生成器。生成[0,1]均匀分布的随机数序列,但并不真正的随机,但具有类似于随机数的统计特征,如均匀性、独立性等。
rng = numpy.random.RandomState( 23355 )
arrayA = rng.uniform( 0 , 1 ,( 2 , 3 ))
- 该段代码的目的是产生一个2行3列的assarray,每个元素都是[0,1]区间均匀分布的随机数,23355这个数字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;
因为是伪随机数,所以必须在rng这个变量下使用,且需要再次声明np.random.RandomState(0),如果不这样做,那么就得不到相同的随机数组了
,例如,只在最开始用了rng=np.random.RandomState(0),得到了不同的随机数组
再如,不在rng变量下使用,即使用np.random.RandomState(0),也是得到不同的随机数组
2.2 Numpy.random.seed()用于设置随机数种子
- Numpy.random.seed() ,种子可以是int(在[0, 232-1]), 可以是一个 array ,可以是 None 。但是,括号里的数字不同,选择的随机数就不同。
- 如果不设置seed,则每次会生成不同的随机数。
- 如果想要得到相同的随机数,则在输出前在进行一次np.random.seed(0)(
随机数种子只有一次有效,在下一次调用产生随机数函数前没有设置种子,则还是产生随机数
)
- 若设置种子为None,产生不一样的数组(
如果需要每次都产生随机数,则可以将随机数seed设置成None,或者不设置
)
3、使用Python的random来生成随机数
random.seed(1234567890)
a = random.sample(range(10), 5) # 从range(10)=[0,1,2,3,4,5,6,7,8,9]中随机抽样5个数
random.seed(1234567890)
b = random.sample(range(10), 5)
random.seed(1234567890)
c = random.sample(range(10), 5)
random.seed(1234567890)
d = random.sample(range(10), 5)
print(a, '\n', b, '\n', c, '\n', d)
参考1:https://blog.csdn.net/weixin_43214005/article/details/109570983
参考2:https://blog.csdn.net/baoyan2015/article/details/71703035