Pandas random_state究竟做了什么？

Question

我使用以下代码来使用Pandas random_state

randomState = 123
sampleSize = 750
df = pd.read_csv(filePath, delim_whitespace=True)
df_s = df.sample(n=sampleSize, random_state=randomState)

这会生成一个示例数据帧df_s。每次我使用相同的randomState运行代码时，我都会得到相同的样本df_s。当我将值从123更改为12时，样本也会发生变化，因此我想这就是random_state的作用。

我的愚蠢问题：数字变化如何影响样本变化？ 我阅读了Pandas documentation和Numpy documentation，但无法获得清晰的图片。

非常感谢任何有关示例的直接解释。

Answer 1

如pandas.DataFrame.sample的文档中所述，random_state参数接受整数（如您的情况）或numpy.random.RandomState，它是Mersenne Twister伪随机的容器数字生成器。

如果将整数传递给它，它将使用它作为伪随机数生成器的seed。顾名思义，生成器不会产生真正的随机性。它有一个内部状态（你可以通过调用np.random.get_state()获得），它是基于种子初始化的。当由相同的种子初始化时，它将重现相同的序列＆＃34;随机数＆＃34;。

如果你传递一个RandomState，它将使用这个（已经初始化/播种）RandomState来生成伪随机数。这也允许您通过在初始化RandomState时设置固定种子然后传递此RandomState来获得可重现的结果。实际上你应该更喜欢这个，而不是设置numpys内部RandomState的种子。罗伯特克恩在answer中解释了这个推理及其评论。我们的想法是拥有一个独立的流，通过改变numpys内部RandomState的种子来防止程序的其他部分弄乱你的可重复性。