python random函数sample_Python random.seed() random.sample()函数使用

random.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。

一、不设置seed()

import random

list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

a = random.sample(list, 5) # 从list中随机获取5个元素，作为一个片段返回

print(a)

print(list, '\n') # 原有序列并没有改变

每次执行输出都不同：

# 第一次输出：

[5, 2, 6, 8, 7]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 第二次输出：

[9, 7, 4, 3, 10]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 第三次输出：

[10, 8, 7, 5, 1]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

二、设置相同的seed()值

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。

import random

random.seed(1)

list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

a = random.sample(list, 5) # 从list中随机获取5个元素，作为一个片段返回

print(a)

print(list, '\n') # 原有序列并没有改变

每次输出都相同：

# 第一次输出

[3, 2, 5, 1, 4]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 第二次输出

[3, 2, 5, 1, 4]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 第三次输出

[3, 2, 5, 1, 4]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

三、设置不同的seed()值

当设置的seed数值不同，生成的随机数也不同：

import random

random.seed(2)

list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

a = random.sample(list, 5) #seed的数值变了，所以生成的随机数也改变，和seed(1)有所不同

print(a)

print(list, '\n') # 原有序列并没有改变

每次输出结果都相同，但和设置seed(1)不同：

# 第一次输出结果

[1, 2, 9, 3, 8]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 第二次输出结果

[1, 2, 9, 3, 8]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 第三次输出结果

[1, 2, 9, 3, 8]

[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

四、结论

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！

参考：https://blog.csdn.net/qq_31511955/article/details/81949857