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
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。
其他回答
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。
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
>>> 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。
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
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)
