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，欢迎关注群英网络，小编每天都会为大家更新不同的知识。

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python开发pdf文本提取器的方法和代码是什么

  这篇文章主要为大家介绍了如何通过Python实现一个非常精简的图像化的PDF区域选择提取工具，文中示例代码讲解详细，感兴趣的小伙伴可以学习一下

• 什么是树表查询，基于Python怎样实现二叉排序树

  什么是树表查询，基于Python怎样实现二叉排序树？一些朋友可能会遇到这方面的问题，对此在下文小编向大家来讲解一下，内容详细，易于理解，希望大家阅读完这篇能有收获哦，有需要的朋友就往下看吧！

• TensorFlow2前向传播怎么理解，实现过程是什么

  这篇文章主要介绍了TensorFlow2如何实现前向传播，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

• Pandas添加行列操作及代码是什么

  在进行数据分析时经常需要按照一定条件创建新的数据列,然后进行进一步分析,下面这篇文章主要给大家介绍了关于Python Pandas多种添加行列数据方法的相关资料,需要的朋友可以参考下

• Python中字符串反转怎样做，代码怎么写

  Python中字符串反转常用的五种方法：使用字符串切片、使用递归、使用列表reverse()方法、使用栈和使用for循环。