numpy.random库的numpy.random.RandomState()与Numpy.random.seed()、Python内置random库的random.seed()

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