随机数种子是什么 用处和用法是啥样的

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，小编每天都会为大家更新不同的知识。

（编辑：银川站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!