numpy.random.seed()和numpy.random.RandomState用法笔记
给随机生成器设置seed的目的是每次运行程序得到的随机数的值相同，这样方便测试。
但是numpy.random.seed()不是线程安全的，如果程序中有多个线程最好使用numpy.random.RandomState实例对象来创建或者使用random.seed()来设置相同的随机数种子。
1、使用RandomState实例来生成随机数数组
from numpy.random import RandomState
r = RandomState(1234567890)
a = r.randint(1, 10,size=10)
r = RandomState(1234567890)
b = r.randint(1, 10, size=10)
r = RandomState(1234567890)
c = r.randint(1, 10, size=10)
r = RandomState(1234567890)
d = r.randint(1, 10, size=10)
print a, '\n', b, '\n', c, '\n', dimport random
random.seed(1234567890)
a = random.sample(range(10),5) # 从range(10)=[0,1,2,3,4,5,6,7,8,9]中随机抽样5个数
random.seed(1234567890)
b = random.sample(range(10),5)
random.seed(1234567890)
c = random.sample(range(10),5)
random.seed(1234567890)
d = random.sample(range(10),5)
print a, '\n', b, '\n', c, '\n', d2 numpy.random库比Python内置的random库有更多的方法，比如生成随机数组numpy.random.randint(low[, high, size, dtype])。如果不进行科学计算，使用random.randint(a,b)就足够了。
numpy.random.seed()用于设置随机数种子
参数：seed
seed
可以是一个
int
,满足0<=seed<=2(32−1)
，这个条件的
int
都可以做参数。
seed
可以是一个
array
。
seed
可以是
None
。
用一句话总结numpy.random.seed()和numpy.random.RandomState()的关系：
seed
不同处：
numpy.random.RandomState()
更为复杂，完全可以代替
numpy.random.seed()
这条语句。
随机数种子seed只有一次有效，在下一次调用产生随机数函数前没有设置seed，则还是产生随机数。
1.如果需要不产生随机数，则需要每次设置numpy.random.seed()。
2.如果需要每次都产生随机数，则可以将随机数seed设置成None，或者不设置。
>>> import numpy >>> numpy.random.RandomState(0).rand(4)
array([ 0.5488135 , 0.71518937, 0.60276338, 0.54488318])
>>> numpy.random.RandomState(0).rand(4)
array([ 0.5488135 , 0.71518937, 0.60276338, 0.54488318])
>>> numpy.random.RandomState(0).rand(4)
array([ 0.5488135 , 0.71518937, 0.60276338, 0.54488318]) #暂不清楚这个seed整数有什么用
>>> numpy.random.RandomState(None).rand(4)
array([ 0.5488135 , 0.71518937, 0.60276338, 0.54488318])
>>> numpy.random.RandomState(None).rand(4)
array([ 0.4236548 , 0.64589411, 0.43758721, 0.891773 ])
>>> numpy.random.RandomState(None).rand(4)
array([ 0.96366276, 0.38344152, 0.79172504, 0.52889492])