目录

 一：最细最易理解的解释！

1.1：实例：如果使用相同的seed( )值，则每次生成的随机数都相同怎么理解？不相同的seed( )值，则每次生成的随机数都不相同怎么理解？

二:理解之后 用以下实例加深理解 消化补充

2.1 相同的随机种子下生成相同的随机数

2.2  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 

引子：看了很多seed()种子的博客发现很多的作者都没有真的理解到seed原理 甚至部分博客具有一定的误导性，在这里仅谈谈我对seed的一点总结和理解

 一：最细最易理解的解释！

官方解释：

1 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

2 设置随机数种子 不设置的话按系统根据时间作为参数 设置后可以保证我们每一个产生的随机数是一样的

！！！我的理解：相同的随机种子下生成相同的随机数，一个随机种子只能使用一次，作用于下一个随机数生成。seed(2)理解为一个随机种子2 是序号为2 不是有2个随机种子，而且只有一次使用机会，作用于下一个随机数生成，再有随机数生成的时候，seed种子默认系统时间为参数。

记住再理解下面的话

1.1：实例：如果使用相同的seed( )值，则每次生成的随机数都相同怎么理解？不相同的seed( )值，则每次生成的随机数都不相同怎么理解？

举例：

np.random.seed(2)#生成随机种子2 一次使用机会 作用在下一个随机数生成的时候
a= np.random.random()#使用随机种子2
b= np.random.random()#因为随机种子使用完了 ！ 这里使用默认按系统根据时间作为seed参数的随机种子
print(a)#随机种子2的随机数
print(b)#根据系统时间为参数生成的随机数

 这里：我们可以发现当只调用一次np.random.seed()时，两次产生的随机序列不相同。？因为没有使用相同的seed（）值，即seed(2) 种子2，第一次使用时用掉：

第二次使用时，

系统时间作为参数为random.random()生成新随机数。

np.random.seed(2)
a= np.random.random()#相同seed(2)种子
np.random.seed(2)
b= np.random.random()#相同seed(2)种子
print(a)

print(b)

这里是：当每次都调用np.random.seed()时，两次产生的随机数序列相同。即：如果使用相同的seed( )值，则每次生成的随即数都相同，随机种子一样，随机数一样。

二:理解之后 用以下实例加深理解 消化补充

2.1 相同的随机种子下生成相同的随机数

import numpy as np
num=0
print(np.random.random())#没有设置随机种子 那么这里是根据系统时间为参数生成的随机数
while(num<5):
    np.random.seed(5)
    print(np.random.random())
    num+=1

2.2  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 

import numpy as np
num=0
print(np.random.random())#没有设置随机种子 那么这里是根据系统时间为参数生成的随机数
np.random.seed(5)
while(num<5):
    print(np.random.random())
    num+=1