Question

我对random.seed()在Python中的作用感到有些困惑。例如，为什么下面的试验会做他们所做的（始终如一）？

>>> 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文档。

Answer 1

伪随机数生成器通过对值执行某些操作来工作。通常，此值是生成器生成的先前数字。但是，第一次使用生成器时，没有先前的值。

播种伪随机数生成器为其提供其第一个“前一个”值。每个种子值将对应于给定随机数发生器的生成值序列。也就是说，如果您提供两次相同的种子，则会获得两次相同的数字序列。

通常，您希望为随机数生成器设置一些值，该值将更改程序的每次执行。例如，当前时间是经常使用的种子。这不会自动发生的原因是，如果您愿意，您可以提供特定的种子来获得已知的数字序列。

Answer 2

所有其他答案似乎都不能解释random.seed（）的使用。这是一个简单的例子（source）：

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

Answer 3

>>> 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'给随机值生成器（'random.randint（）'）赋值，该值基于该种子生成这些值。随机数的必要属性之一是它们应该是可再现的。一旦你把相同的种子，你得到相同的随机数模式。所以你从一开始就生成它们。你给出了一个不同的种子，它以不同的初始（3以上）开始。

你已经给了一颗种子，现在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。

Answer 4

随机数是通过对先前值进行的某些操作生成的。

如果没有以前的值，那么当前时间将自动作为以前的值。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。

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，生成随机数实际上并不是随机的，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，为了使其更加随机，时间会自动分配给seed()。

Answer 5

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])
>>>

Answer 6

在这种情况下，random实际上是伪随机的。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，它每次都会生成相同的数字序列。如果你想改变它，你将不得不改变你的种子。很多人喜欢根据当前时间或某事来生成种子。

Answer 7

 #Simple python programme to understand random.seed() importance

 import random

 random.seed(10)

 for i in range(5):

      print(random.randint(1,100))

多次执行上述程序....

第一次尝试：打印5个随机整数，范围为1 - 100

第二次尝试：打印出上述执行中出现的相同的5个随机数。

第3次尝试：相同

.....所以

说明：每次运行上面的程序时，我们都将seed设置为10，然后随机生成器将其作为参考变量。然后通过做一些预定义的公式，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再次将参考编号设置为10，并再次开始相同的行为....

一旦我们重置种子值，就会给出相同的植物。

注意：更改种子值并运行程序，您将看到与前一个序列不同的随机序列。

Answer 8

Imho，当您再次使用random.seed(samedigit)时，它会用于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

Answer 9

python中的

random.seed(a, version)用于初始化伪随机数生成器（PRNG）。

PRNG是一种生成近似随机数属性的数字序列的算法。 可以使用种子值复制这些随机数。因此，如果您提供种子值，PRNG将使用种子从任意起始状态开始。

参数a是种子值。如果a值为None，则默认情况下使用当前系统时间。

和version是一个整数，指定如何将参数转换为整数。默认值为2。

import random
random.seed(9001)
random.randint(1, 10) #this gives output of 1
# 1

如果您希望复制相同的随机数，请再次提供相同种子

random.seed(9001)
random.randint(1, 10) # this will give the same output of 1
# 1

如果您不提供种子，那么它将生成不同的数字，而不是以前的数字

random.randint(1, 10) # this gives 7 without providing seed
# 7

如果您提供的种子不同于以前，那么它将为您提供不同的随机数

random.seed(9002)
random.randint(1, 10) # this gives you 5 not 1
# 5

因此，总而言之，如果要复制相同的随机数，请提供种子。具体来说，是同一种子。

Answer 10

这是一个小测试，它表明使用相同的参数提供seed()方法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)

Answer 11

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。

>>> 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
>>>

random.seed（）：它做了什么？

11 个答案: