在这种情况下，随机实际上是伪随机。给定一颗种子，它将产生具有均匀分布的数字。但是使用相同的种子，它每次都会生成相同的数字序列。如果你想改变它，你就必须改变你的种子。很多人喜欢根据当前时间或其他东西来生成种子。

伪随机数生成器通过对值执行一些操作来工作。通常这个值是生成器生成的前一个数字。但是，第一次使用生成器时，没有以前的值。

播种一个伪随机数生成器会给它第一个“前一个”值。每个种子值将对应于给定随机数生成器的生成值序列。也就是说，如果你提供相同的种子两次，你会得到相同的数字序列两次。

通常，您希望为随机数生成器设置一些值，这些值将改变程序的每次执行。例如，当前时间是一个常用的种子。这不会自动发生的原因是，如果您愿意，您可以提供一个特定的种子来获得已知的数字序列。

所有其他答案似乎都不能解释random.seed()的使用。 下面是一个简单的例子(来源):

import random
random.seed( 3 )
print "Random number with seed 3 : ", random.random() #will generate a random number 
#if you want to use the same random number once again in your program
random.seed( 3 )
random.random()   # same random number as before

下面是一个小测试，演示了给seed()方法注入相同的参数将导致相同的伪随机结果:

# testing random.seed()

import random

def equalityCheck(l):
    state=None
    x=l[0]
    for i in l:
        if i!=x:
            state=False
            break
        else:
            state=True
    return state


l=[]

for i in range(1000):
    random.seed(10)
    l.append(random.random())

print "All elements in l are equal?",equalityCheck(l)

>>> random.seed(9001)   
>>> random.randint(1, 10)  
1     
>>> random.seed(9001)     
>>> random.randint(1, 10)    
1           
>>> random.seed(9001)          
>>> random.randint(1, 10)                 
1                  
>>> random.seed(9001)         
>>> random.randint(1, 10)          
1     
>>> random.seed(9002)                
>>> random.randint(1, 10)             
3

你试试这个。

我们说“随机”。Seed '将一个值提供给随机值生成器('random.randint()')，该生成器根据该种子生成这些值。随机数的一个必备属性是它们应该是可重复的。当你放入相同的种子，你会得到相同的随机数模式。通过这种方式，您可以从一开始就生成它们。你给出一个不同的种子——它以不同的首字母开始(上面3)。

给定一个种子，它会一个接一个地生成1到10之间的随机数。假设一个种子值有一组数字。

Imho，当你再次使用random.seed(samedigit)时，它被用来生成相同的随机课程结果。

In [47]: random.randint(7,10)

Out[47]: 9


In [48]: random.randint(7,10)

Out[48]: 9


In [49]: random.randint(7,10)

Out[49]: 7


In [50]: random.randint(7,10)

Out[50]: 10


In [51]: random.seed(5)


In [52]: random.randint(7,10)

Out[52]: 9


In [53]: random.seed(5)


In [54]: random.randint(7,10)

Out[54]: 9

# Simple Python program to understand random.seed() importance

import random

random.seed(10)

for i in range(5):    
    print(random.randint(1, 100))

多次执行上面的程序…

第一次尝试:输出5个范围为1 ~ 100的随机整数

第二次尝试:打印相同的5个随机数字出现在上面的执行。

第三次尝试:相同

…等等

解释:每次运行上述程序时，我们都将seed设置为10，然后随机生成器将其作为参考变量。然后用一些预定义的公式，生成一个随机数。

因此，在下次执行时将seed设置为10，再次将引用号设置为10，然后再次启动相同的行为…

只要我们重置种子值，它就会给出相同的植物。

注意:改变种子值并运行程序，你会看到一个与前一个不同的随机序列。

以下是我的理解。 每当我们设置一个种子值时，就会生成一个“标签”或“引用”。下一个随机。函数调用被附加到这个“标签”，所以下次你调用相同的种子值和随机。函数，会得到相同的结果。

np.random.seed( 3 )
print(np.random.randn()) # output: 1.7886284734303186

np.random.seed( 3 )
print(np.random.rand()) # different function. output: 0.5507979025745755

np.random.seed( 5 )
print(np.random.rand()) # different seed value. output: 0.22199317108973948

Seed() can be used for later use ---

Example:
>>> import numpy as np
>>> np.random.seed(12)
>>> np.random.rand(4)
array([0.15416284, 0.7400497 , 0.26331502, 0.53373939])
>>>
>>>
>>> np.random.seed(10)
>>> np.random.rand(4)
array([0.77132064, 0.02075195, 0.63364823, 0.74880388])
>>>
>>>
>>> np.random.seed(12) # When you use same seed as before you will get same random output as before
>>> np.random.rand(4)
array([0.15416284, 0.7400497 , 0.26331502, 0.53373939])
>>>
>>>
>>> np.random.seed(10)
>>> np.random.rand(4)
array([0.77132064, 0.02075195, 0.63364823, 0.74880388])
>>>

一个随机数是通过对前一个值进行操作而生成的。

如果没有之前的值，则当前时间将自动作为之前的值。我们可以使用random.seed(x)提供之前的值，其中x可以是任何数字或字符串等。

因此random.random()实际上不是完美随机数，它可以通过random.seed(x)来预测。

import random 
random.seed(45)            #seed=45  
random.random()            #1st rand value=0.2718754143840908
0.2718754143840908  
random.random()            #2nd rand value=0.48802820785090784
0.48802820785090784  
random.seed(45)            # again reasign seed=45  
random.random()
0.2718754143840908         #matching with 1st rand value  
random.random()
0.48802820785090784        #matching with 2nd rand value

因此，生成随机数实际上不是随机的，因为它是通过算法运行的。算法总是基于相同的输入给出相同的输出。这意味着，它取决于种子的价值。因此，为了使它更随机，时间被自动分配给seed()。

在生成一组随机数之前设置种子(x)，并使用相同的种子生成相同的随机数集。在重现问题的情况下很有用。

>>> from random import *
>>> seed(20)
>>> randint(1,100)
93
>>> randint(1,100)
88
>>> randint(1,100)
99
>>> seed(20)
>>> randint(1,100)
93
>>> randint(1,100)
88
>>> randint(1,100)
99
>>> 

随机的。python中的seed(a, version)用于初始化伪随机数生成器(PRNG)。

PRNG是一种生成近似于随机数性质的数列的算法。这些随机数可以使用种子值重新生成。因此，如果您提供种子值，PRNG将使用种子从任意的起始状态开始。

参数a是种子值。如果a值为None，则默认使用当前系统时间。

and version是一个整数，指定如何将参数a转换为整数。缺省值为2。

import random
random.seed(9001)
random.randint(1, 10) #this gives output of 1
# 1

如果你想要复制相同的随机数，那么再次提供相同的种子

random.seed(9001)
random.randint(1, 10) # this will give the same output of 1
# 1

如果你不提供种子，那么它会生成不同的数字，而不是之前的1

random.randint(1, 10) # this gives 7 without providing seed
# 7

如果你提供不同的种子，它会给你一个不同的随机数

random.seed(9002)
random.randint(1, 10) # this gives you 5 not 1
# 5

因此，总的来说，如果您希望复制相同的随机数，请提供种子。确切地说，是同一颗种子。