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。
# 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。
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
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。
>>> 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。