关于python：random.seed()：它是做什么的？

random.seed(): What does it do?

我对random.seed()在Python中的功能有些困惑。例如，为什么下面的试验(一致地)做什么？

1
2
3
4
5
6
7
8
9
10
11
12

>>> 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

我找不到关于此的好的文档。

相关讨论

所有其他答案似乎都无法解释random.seed()的用法。
这是一个简单的示例(源)：

1
2
3
4
5
6

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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

>>> 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。假设" random.seed"为随机值生成器(" random.randint()")提供了一个值，该值根据该种子生成这些值。随机数的必须属性之一是它们应具有可重现性。放入相同的种子后，您将获得相同的随机数模式。因此，您可以从头开始重新生成它们。您给其他种子以不同的首字母开头(3以上)。

现在，您已经提供了一个种子，它将一个接一个地生成1到10之间的随机数。因此，您可以为一个种子值假设一组数字。

通过对先前值进行某些运算会生成一个随机数。

如果没有先前的值，那么当前时间将自动作为先前的值。我们可以使用random.seed(x)自己提供以前的值，其中x可以是任何数字或字符串等。

因此，random.random()实际上不是完美的随机数，可以通过random.seed(x)进行预测。

1
2
3
4
5
6
7
8
9
10
11

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，因为它运行在算法上。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，为了使其更具随机性，时间会自动分配给seed()。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

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])
>>>

1
2
3
4
5
6
7
8

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

import random

random.seed(10)

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

多次执行以上程序...

第一次尝试：打印1到100范围内的5个随机整数

第二次尝试：打印出与上述执行中相同的5个随机数。

第三次尝试：相同

.....等等

说明：每次运行上述程序时，我们都将seed设置为10，然后随机数生成器将其作为参考变量。然后通过执行一些预定义的公式，它会生成一个随机数。

因此，在下一次执行中将种子设置为10再次将引用号设置为10，并且同样的行为再次开始...

一旦我们重置种子值，它就会得到相同的植物。

注意：更改种子值并运行程序，您将看到与前一个不同的随机序列。

在这种情况下，随机实际上是伪随机。给定种子，它将生成具有相等分布的数字。但是使用相同的种子，每次都会生成相同的数字序列。如果要更改它，则必须更改种子。很多人喜欢根据当前时间或某物生成种子。

恕我直言，当您再次使用random.seed(samedigit)时，它用于生成相同的随机过程结果。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

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

在生成一组随机数之前设置seed(x)，并使用相同的种子生成相同的一组随机数。在重现问题时很有用。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

>>> 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
>>>

这是我的理解。
每次设置种子值时，都会生成一个"标签"或"引用"。下一个random.function调用将附加到此"标签"，因此，下次您调用相同的种子值和random.function时，它将获得相同的结果。

1
2
3
4
5
6
7
8

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

这是一个小测试，演示用相同的参数输入seed()方法将导致相同的伪随机结果：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

# 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)