今天这篇我们来学习和了解“随机数种子是什么，用处和用法是怎样的”，下文的讲解详细，步骤过程清晰，对大家进一步学习和理解“随机数种子是什么，用处和用法是怎样的”有一定的帮助。有这方面学习需要的朋友就继续往下看吧！

1. 何为随机数种子

随机数种子，相当于我给接下来需要生成的随机数一个初值，按照我给的这个初值，按固定顺序生成随机数。
读到这，你如何还感觉得晦涩难懂的话，那我再举一个通俗易懂的例子：
看第一段代码：

import numpy as np
np.random.seed(0)  # 先定义一个随机数种子
print(np.random.rand(5))  # "随机"生成5个数

结果：

[0.5488135  0.71518937 0.60276338 0.54488318 0.4236548 ]

这里的rand（5）就是相当于生成五个数据

接着看第二段代码：

import numpy as np
np.random.seed(0)  # 先定义一个随机数种子
print(np.random.rand(5))  # "随机"生成5个数
print(np.random.rand(5))  # 再"随机"生成5个数

结果：

[0.5488135  0.71518937 0.60276338 0.54488318 0.4236548 ]
[0.64589411 0.43758721 0.891773   0.96366276 0.38344152]

这里我们生成了十个随机数。

最后我们看第三段代码：

import numpy as np
np.random.seed(0)  # 先定义一个随机数种子
print(np.random.rand(5))  # "随机"生成5个数
print(np.random.rand(5))  # 再"随机"生成5个数

np.random.seed(0)
for i in range(7):
    print(np.random.random())  # "随机"生成7个数

运行结果：

[0.5488135  0.71518937 0.60276338 0.54488318 0.4236548 ]
[0.64589411 0.43758721 0.891773   0.96366276 0.38344152]
0.7917250380826646
0.5288949197529045
0.5680445610939323
0.925596638292661
0.07103605819788694
0.08712929970154071
0.02021839744032572

接下来我们的对比一下，最后输出的7个随机数的结果和我们之前分两次输出的随机数列表，我们可以很清晰的看到：我们最后输出的7个随机数便是依次从我们之前的生成的10个随机数中取得的！ 也就是说在代码中，我们看到 “ 随机 ” ，那就是说并不是真正随机（假随机）。

注意：
设置的seed()值仅一次有效

2. np.random.seed()参数问题

先看一段代码：

import numpy as np
random.seed(0)
print(np.random.rand(2, 3))
np.random.seed(1)
print(np.random.rand(2, 3))
np.random.seed(2)
print(np.random.rand(2, 3))

运行结果：

[[0.5488135  0.71518937 0.60276338]
 [0.54488318 0.4236548  0.64589411]]
[[4.17022005e-01 7.20324493e-01 1.14374817e-04]
 [3.02332573e-01 1.46755891e-01 9.23385948e-02]]
[[0.4359949  0.02592623 0.54966248]
 [0.43532239 0.4203678  0.33033482]]

由此可知：这个参数好像并没有什么实际的意义。
最后，我们得出结论：这个参数是随便取的，可以认为是初值的标志，每次按照这个标志都可以得到相同的初值。

3. 使用方法

使用之前都需要调用一下：np.random.seed(0)
错误实例：

import numpy as np
np.random.seed(1)
L1 = np.random.randn(3, 3)
L2 = np.random.randn(3, 3)
print(L1)
print(L2)
[[ 1.62434536 -0.61175641 -0.52817175]
 [-1.07296862  0.86540763 -2.3015387 ]
 [ 1.74481176 -0.7612069   0.3190391 ]]
[[-0.24937038  1.46210794 -2.06014071]
 [-0.3224172  -0.38405435  1.13376944]
 [-1.09989127 -0.17242821 -0.87785842]]

正确实例：

import numpy as np

np.random.seed(1)
L1 = np.random.randn(3, 3)
np.random.seed(1)
L2 = np.random.randn(3, 3)
print(L1)
print(L2)
[[ 1.62434536 -0.61175641 -0.52817175]
 [-1.07296862  0.86540763 -2.3015387 ]
 [ 1.74481176 -0.7612069   0.3190391 ]]
[[ 1.62434536 -0.61175641 -0.52817175]
 [-1.07296862  0.86540763 -2.3015387 ]
 [ 1.74481176 -0.7612069   0.3190391 ]]

4. 随机数种子问题总结

（1）随机数种子相当于给我们一个初值，之后按照固定顺序生成随机数（也就是我们说的超级长的 list ）
（2）随机数种子对后面的结果一直有影响，在一个随机数种子后生成的随机数都受这个随机数种子的影响，即生成的随机数都是由这个随机数种子给的初值，按照固定顺序生成的。
（3）每次使用之前都需要调用一下：np.random.seed(0)
（4）np.random.seed(0)中参数0是随便取的，可以认为是初值的标志，每次按照这个标志都可以得到相同的初值
参考资料：What does numpy.random.seed(0) do?

关于“随机数种子是什么，用处和用法是怎样的”就介绍到这了，如果大家觉得不错可以参考了解看看，如果想要了解更多，欢迎关注群英网络，小编每天都会为大家更新不同的知识。

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python推导式的方法是什么，怎么使用

  这篇文章主要为大家介绍了Python推导式和生成器，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助

• 用Python怎么写猜数字的小游戏，代码是什么

  这篇文章主要介绍了如何利用Python写猜数字和字母的游戏，文章基于Python实现游戏小项目，感兴趣的朋友可以参考一下

• Python和PyQt5怎样实现数据库表的增删改功能

  内容介绍题目描述解题思路/算法分析/问题及解决实验代码运行结果题目描述本次实验为连接数据库的实验，并对数据库进行一些简单的操作，要实现的基本功能如下所示，要能连接并展现数据库里的数据，能够实现插入功能

• Matplotlib中不支持中文的问题怎么办，有何解决方法

  这篇文章主要介绍了两行代码解决Jupyter Notebook中文不能显示的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

• Python绘制科赫曲线的方法及过程是什么

  科赫曲线是一种像雪花的几何曲线，所以又称为雪花曲线，它是de Rham曲线的特例。本文将利用Python语言实现这一曲线，需要的可以参考一下