numpy.random.seed()

最新推荐文章于 2024-09-15 06:47:59 发布

原创最新推荐文章于 2024-09-15 06:47:59 发布 · 333 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#numpy #random.seed()

Python 专栏收录该内容

5 篇文章

订阅专栏

本文通过实例解释了在Python中使用numpy库时，如何通过设置随机种子seed来控制随机数生成的可重复性。设定相同的seed值，即使在不同运行环境下也能获得相同的随机数序列，这对于实验复现和调试非常重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

把设定seed比喻成选择容器应该好理解一点。

设置seed()里的数字就相当于设置了一个装有随机数的容器，数字代表容器的标号，当我们在seed()的括号里设置相同的seed，就相当于指定了统一个容器，那当然每次取出的随机数就会相同（并不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。seed括号里的数值基本可以随便设置，设定一个之后，里面会生成一个固定的随机数序列，之后只要seed()里面设定值一样，之后取出的随机数就是一样的。

>>> import numpy as np
>>> np.random.seed(1)  #设定一个随机种子seed（1）
>>> a = np.random.random(5) #获取长度为5的随机数序列
>>> a
array([4.17022005e-01, 7.20324493e-01, 1.14374817e-04, 3.02332573e-01,
       1.46755891e-01])
>>> np.random.seed(1) #设定随机种子seed（1），为刚才的那一个
>>> b = np.random.random(3) #获取长度为3的随机数序列
>>> b
array([4.17022005e-01, 7.20324493e-01, 1.14374817e-04])  
##可以看到，只要seed值设置一样，取出的随机序列是一样的，只是长度不一样

>>> np.random.seed(2) #设定新的随机种子seed（2）
>>> b = np.random.random(4) #获取长度为4的随机数序列
>>> b
array([0.4359949 , 0.02592623, 0.54966248, 0.43532239]) ##就得到于刚才不一样的结果
#继续取随机数
>>> c = np.random.random(4) ##此时已经不再是属于seed(2)的范畴，取得的数是随机的
>>> c
array([0.4203678 , 0.33033482, 0.20464863, 0.61927097])