np.random.seed（）隨機數種子

• np.random.seed()隨機數種子
• • 1.隨機數種子的理解
  • 2.np.random.seed()的參數

np.random.seed()隨機數種子

隨機數種子！以下均為個人理解，有誤及時修改
在生成隨機數時，我們可以利用隨機數種子，控制生成的隨機數。什么意思，就是說我可以利用隨機數種子，得到相同的或部分形同的隨機數。

1.隨機數種子的理解

隨機數種子，相當于我給接下來需要生成的隨機數一個初值，按照我給的這個初值，按固定順序生成隨機數。
個人覺得通俗理解： 隨機數種子是給了一批數（隨機數種子應該是按一定順序生成隨機數的，并不是一次給了一批數，但如果這些數有固定順序，我們是不是可以簡單認為隨機種子給了我們很多數據），當需要生成隨機數時，就從這一批數中依次取值。

看例子吧：
（1）

np.random.seed(0) # 先定義一個隨機數種子，()中的參數值后下個小節說 print(np.random.rand(5)) # "隨機"生成5個數 print(np.random.rand(5)) # 再"隨機"生成5個數np.random.seed(0) for i in range(7):print(np.random.random()) # "隨機"生成7個數

在代碼中，我們看到 “ 隨機 ” ，那就是說并不是真正隨機（假隨機），觀察結果就知道了！

# 結果 [0.5488135 0.71518937 0.60276338 0.54488318 0.4236548 ] [0.64589411 0.43758721 0.891773 0.96366276 0.38344152]0.5488135039273248 0.7151893663724195 0.6027633760716439 0.5448831829968969 0.4236547993389047 0.6458941130666561 0.4375872112626925

觀察結果：下邊的 ‘ 隨機 ’ 生成的7個數和上邊 ‘ 隨機 ’ 生成的十個數中的前7個相同。
為什么呢？
因為開始我們設置了一個隨機種子，接下來生成的十個數是有固定順序的（這順序是什么？i dont know！）。為了方便理解，我們把隨機種子看成一個超級超級長的 list ，我們接下來的取隨機數操作，（ np.random.rand(5) ）就是從這個 list 中依次取5個隨機數，然后（ np.random.rand(5) ）再取5個隨機數。當然，你說它不是 list 是 數組 ，OK！隨你，只是為了方便理解。
為什么后邊生成的7個 “隨機” 數和之前的前7個數相同呢？
這是因為在生成這7個 ‘隨機’ 數之前，又重新定義了一個隨機數種子 （ np.random.seed(0) ）。定義隨機數種子，不就是定義了一個超級超級長的 list 嗎 ？，這個 list 和之前的 list 是一樣的！！！，所以我們取7個 ‘隨機’ 數，不就是這個 list 中的前7個嗎！

（2）再來看一個例子

np.random.seed(0) for i in range(7):print(np.random.random())np.random.seed(0) print(np.random.rand(2, 3))

放結果，觀察

0.5488135039273248 0.7151893663724195 0.6027633760716439 0.5448831829968969 0.4236547993389047 0.6458941130666561 0.4375872112626925[[0.5488135 0.71518937 0.60276338][0.54488318 0.4236548 0.64589411]]

2x3矩陣的6個數 和 隨機生成的前6個數相同！不需要解釋了吧，所以如果我想生成兩個一樣的隨機矩陣怎么辦？是不是在生成矩陣前，定義隨機數種子就好了。

總結：
（1）隨機數種子相當于給我們一個初值，之后按照固定順序生成隨機數（也就是我們說的超級長的 list ）
（2）隨機數種子對后面的結果一直有影響，在一個隨機數種子后生成的隨機數都受這個隨機數種子的影響，即生成的隨機數都是由這個隨機數種子給的初值，按照固定順序生成的（生成的隨機數受離它最近的隨機數種子影響，即它之前的隨機數種子）。
那么問題來了，隨機數種子的初值和順序由啥決定呢？下一小節！

2.np.random.seed()的參數

個人理解：隨機數種子給的初值和順序是一個意思，因為這個順序并不知道，所以可以認為是由初值決定，也可以理解為生成的超級超級大的 list 。
那這個初值是怎么決定的呢，是np.random.seed()中的參數決定，只要每次這個參數相同，那我們的初值就是相同的，種子就是相同的。
種子相同，之后長得枝條就是相同的： 即 list 是相同的。
（1）是第一小節的例子，np.random.seed(0) ，參數都是 0 。

np.random.seed(0) for i in range(7):print(np.random.random())np.random.seed(0) print(np.random.rand(2, 3)) 0.5488135039273248 0.7151893663724195 0.6027633760716439 0.5448831829968969 0.4236547993389047 0.6458941130666561 0.4375872112626925[[0.5488135 0.71518937 0.60276338][0.54488318 0.4236548 0.64589411]]

（2）

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

結果：這個例子也證實了上一小節的總結（2）

[[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]][[0.5488135 0.71518937 0.60276338][0.54488318 0.4236548 0.64589411]]

最后！！！，這個參數好像是隨便取的，可以認為是初值的標志，每次按照這個標志都可以得到相同的初值。但是這個參數好像必須是int類型吧。

總結

以上是生活随笔為你收集整理的np.random.seed()随机数种子的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。