random VS numpy.random
1 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。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。
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', d[ 1 1 -1 0 0 -1 1 0 -1 -1]
[ 1 1 -1 0 0 -1 1 0 -1 -1]
[ 1 1 -1 0 0 -1 1 0 -1 -1]
[ 1 1 -1 0 0 -1 1 0 -1 -1]使用Python的random来生成随机数
import 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', d[9, 5, 3, 8, 6]
[9, 5, 3, 8, 6]
[9, 5, 3, 8, 6]
[9, 5, 3, 8, 6]2 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。