Numpy.random.seed()用法

Numpy.random.seed(0)的作用是使得随机数变得可预测

其实,设置seed()里的数字就相当于设置了一个盛有随机数的“聚宝盆”,一个数字代表一个“聚宝盆”,当我们在seed()的括号里设置相同的seed,“聚宝盆”就是一样的,那当然每次拿出的随机数就会相同(不要觉得就是从里面随机取数字,只要设置的seed相同取出地随机数就一样)。如果不设置seed,则每次会生成不同的随机数。(注:seed括号里的数值基本可以随便设置哦)
当我们设置相同的seed,每次生成的随机数相同。

seed( ) 用于指定随机数生成时所用算法开始的整数值,如果使用相同的seed( )值,则每次生成的随即数都相同,如果不设置这个值,则系统根据时间来自己选择这个值,此时每次生成的随机数因时间差异而不同。

seed( ) 用于指定随机数生成时所用算法开始的整数值。
1.如果使用相同的seed( )值,则每次生成的随即数都相同;
2.如果不设置这个值,则系统根据时间来自己选择这个值,此时每次生成的随机数因时间差异而不同。
3.设置的seed()值(随即数列)一直有效

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NumPy是Python中一个广泛使用的科学计算库,numpy.random模块是NumPy中专门用于生成各种随机数的模块,提供了非常丰富的随机数生成函数。 下面是一些常用的numpy.random函数: 1. numpy.random.rand(d0, d1, ..., dn):生成一个0到1之间的随机浮点数,可以传入多维度的参数。 2. numpy.random.randn(d0, d1, ..., dn):生成一个标准正态分布的随机浮点数,可以传入多维度的参数。 3. numpy.random.randint(low, high=None, size=None, dtype='l'):生成一个指定范围内的整数,可以指定生成的数组形状。 4. numpy.random.normal(loc=0.0, scale=1.0, size=None):生成一个指定均值和标准差的正态分布随机数,可以指定生成的数组形状。 5. numpy.random.choice(a, size=None, replace=True, p=None):从序列a中随机选择元素,可以指定元素的概率分布。 6. numpy.random.shuffle(x):将数组x中的元素随机打乱。 7. numpy.random.seed(seed=None):指定随机数生成器的种子,以便于重复实验。 使用方法如下: ```python import numpy as np # 生成一个2x3的随机浮点数数组 print(np.random.rand(2, 3)) # 生成一个2x3的标准正态分布随机数数组 print(np.random.randn(2, 3)) # 生成一个1到10之间的随机整数数组,形状为2x3 print(np.random.randint(1, 10, size=(2, 3))) # 生成一个均值为0,标准差为1的正态分布随机数数组,形状为2x3 print(np.random.normal(loc=0, scale=1, size=(2, 3))) # 从列表中随机选择两个元素 a = [1, 2, 3, 4, 5] print(np.random.choice(a, size=2)) # 将列表随机打乱 np.random.shuffle(a) print(a) # 指定随机数生成器的种子,以便于重复实验 np.random.seed(0) print(np.random.rand(2, 3)) np.random.seed(0) print(np.random.rand(2, 3)) np.random.seed(1) print(np.random.rand(2, 3)) ``` 以上代码输出结果如下: ``` [[0.57959628 0.08073821 0.10431304] [0.15776023 0.68428247 0.60793829]] [[ 0.12372191 -0.31097988 0.37756379] [-1.2319817 -0.3248719 0.56368516]] [[8 4 7] [4 9 5]] [[ 0.5488135 1.96578057 0.24875314] [ 0.16454949 0.56702035 -0.22232814]] [1 3] [4, 5, 2, 1, 3] [[0.5488135 0.71518937 0.60276338] [0.54488318 0.4236548 0.64589411]] [[0.5488135 0.71518937 0.60276338] [0.54488318 0.4236548 0.64589411]] [[4.17022005e-01 7.20324493e-01 1.14374817e-04] [3.02332573e-01 1.46755891e-01 9.23385948e-02]] ``` 需要注意的是,numpy.random模块中的随机数生成器都是伪随机数生成器,它们的随机数序列是通过固定的算法和种子生成的,因此可以通过设置种子来控制随机数的生成,以便于重复实验。

“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