我对random.seed()在Python中的作用有点困惑。例如，为什么下面的试验会(始终如一地)做它们所做的事情?
>>> import random
>>> random.seed(9001)
>>> random.randint(1, 10)
1
>>> random.randint(1, 10)
3
>>> random.randint(1, 10)
6
>>> random.randint(1, 10)
6
>>> random.randint(1, 10)
7
我找不到关于这方面的好的文件。
当前回答
>>> 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。
其他回答
# 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。
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
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。
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
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
