python np.random.seed直观程序理解_np.random.seed(42)-优快云博客

本文探讨了NumPy中使用random.permutation进行随机全排列的方法，重点介绍了如何通过设置随机种子(seed)确保结果的可重复性。通过四个实验，演示了在不同条件下，如不设种子、设置相同种子以及改变排列长度时，permute函数的行为。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

permutation(len)返回0~len的一个全排列

第一个程序：

import numpy as np

# np.random.seed(42)
ls = np.random.permutation(10)
# np.random.seed(42)
ls_2 = np.random.permutation(10)
# np.random.seed(42)
# ls_add = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2, sep='\n')

运行两次程序的输出：

first:
[3 7 9 5 8 6 2 0 4 1]
[3 8 0 9 6 1 2 7 5 4]
second:
[6 7 4 9 3 5 2 1 8 0]
[0 8 4 9 7 6 2 3 5 1]

两次程序完全不同，并且每次ls和ls_2的输出也不一样

第二个程序：

ls和ls_2的输出不同，但两次运行程序输出相同

import numpy as np

np.random.seed(42)
ls = np.random.permutation(10)
# np.random.seed(42)
ls_2 = np.random.permutation(10)
# np.random.seed(42)
# ls_add = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2, sep='\n')

运行两次程序的输出：

first:
[8 1 5 0 7 2 9 4 3 6]
[0 1 8 5 3 4 7 9 6 2]
second:
[8 1 5 0 7 2 9 4 3 6]
[0 1 8 5 3 4 7 9 6 2]

第三个程序

ls和ls_2的相同且两次程序运行输出也相同


import numpy as np

np.random.seed(42)
ls = np.random.permutation(10)
np.random.seed(42)
ls_2 = np.random.permutation(10)
# np.random.seed(42)
# ls_add = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2, sep='\n')

运行两次程序的输出：

first:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]
second:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]

第四个程序

如果permutation的全排列长度改变？seed还有用吗

import numpy as np

np.random.seed(42)
ls = np.random.permutation(10)
np.random.seed(42)
ls_2 = np.random.permutation(10)
np.random.seed(42)
ls_add = np.random.permutation(14)
np.random.seed(42)
ls_add_2 = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2,ls_add, ls_add_2, sep='\n')

两次运行程序输出：

first:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]
second:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]