numpy.random.rand()_python中random.seed()?

一、numpy.random.seed() 函数介绍二、两个显而易见的实例

实例 1：相同的随机种子下生成相同的随机数实例 2：一个随机种子在代码中只作用一次，只作用于其定义位置的下一次随机数生成 三、另外两个实例

实例 1：只调用一次seed()，两次的产生随机数不同实例 2：调用两次seed()，两次产生的随机数相同 参考链接

seed( ) 函数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，则每次生成的随机数都相同，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。

但是，只在调用的时候seed()一下并不能使生成的随机数相同，需要每次调用都seed()一下，表示种子相同，从而生成的随机数相同。

from numpy import *
num=0
while(num<5):
    random.seed(5)
    print(random.random())
    num+=1

输出结果，而且每次运行代码都是这个结果：

0.22199317108973948
0.22199317108973948
0.22199317108973948
0.22199317108973948
0.22199317108973948

from numpy import *
num=0
print(random.random())
random.seed(5)
while(num<5):
    print(random.random())
    num+=1

输出结果：

0.03448381943112333
0.22199317108973948    # 随机种子为 5 下生成的随机数，与实例 1 中的数相同
0.8707323061773764
0.20671915533942642
0.9186109079379216
0.48841118879482914

总结：若想每次都能得到相同的随机数，每次产生随机数之前，都需要调用一次seed()。就像上述实例 1 一样。

import numpy as np

np.random.seed(1)
L1 = np.random.randn(3, 3)
L2 = np.random.randn(3, 3)
print(L1)
print(L2)

输出结果：

[[ 1.62434536 -0.61175641 -0.52817175]
 [-1.07296862  0.86540763 -2.3015387 ]
 [ 1.74481176 -0.7612069   0.3190391 ]]
[[-0.24937038  1.46210794 -2.06014071]
 [-0.3224172  -0.38405435  1.13376944]
 [-1.09989127 -0.17242821 -0.87785842]]

import numpy as np

np.random.seed(1)
L1 = np.random.randn(3, 3)
np.random.seed(1)
L2 = np.random.randn(3, 3)
print(L1)
print(L2)

输出结果：

[[ 1.62434536 -0.61175641 -0.52817175]
 [-1.07296862  0.86540763 -2.3015387 ]
 [ 1.74481176 -0.7612069   0.3190391 ]]
[[ 1.62434536 -0.61175641 -0.52817175]
 [-1.07296862  0.86540763 -2.3015387 ]
 [ 1.74481176 -0.7612069   0.3190391 ]]

总结：若想每次都能得到相同的随机数，每次产生随机数之前，都需要用相同的种子调用一次seed()。

numpy.random.seed() 的使用