我进行了一系列操作，分别称为a()，b()，c()等，这些操作会修改某些数据P。在内部，每个函数都使用random中的函数。尽管我们希望P中的随机性，但我们希望如果我们运行相同的操作，可以再次生成相同的P，所以我们确定一个以like this开头的种子：
myseed = random.randrange(sys.maxsize)
print 'seed:', myseed
random.seed(myseed)
我对所有这些都感到满意，但我们也希望能够从中间数据“重新开始”计算，以便例如我们运行P -> a() -> Pa，然后P -> a() -> b() -> c() -> Pc和Pa -> b() -> c() -> Pc是等效的-也就是说，我们不必再次执行 all 个操作。
您可以通过使用random.getstate()和setstate()并将返回的PRNG状态存储在P的中间步骤中来执行此操作，但是getstate返回的对象非常笨拙。
建议相反，每个函数只是简单地递增 myseed并再次调用random.seed(myseed)。这样，您可以输出“种子”以用于下一步，并可以使用该种子和当前步骤的数据重新启动。
似乎它应该可以工作，但是以这种方式滥用random.seed()会对random的随机性有什么古怪（技术术语）吗？感觉有点不对，但是实际上初始种子是“随机的”，之后我们只需要（确定性地）遍历PRNG序列即可，所以我认为只要移至该序列中的位置就没有关系它与众不同。