为什么`seed()`方法不是`randint()`函数的一部分？答案

【问题标题】：Why `seed()` method isn't part of `randint()` function?为什么`seed()`方法不是`randint()`函数的一部分？
【发布时间】：2022-01-05 23:44:47
【问题描述】：

看来我对Numpy随机方法和函数的了解还不够。从未见过像这个简单示例中那样链接到函数的方法：

seed(4)

randint(0,10,10)

...seed() 被 randint() 调用的地方

我想知道：

为什么种子不是 randint 函数的一部分作为关键字参数？
这种创建Nupy 函数的方式背后的想法是什么？

【问题讨论】：

随机数生成器通过播种一次然后生成随机数流来工作。将种子作为 randint 的参数是没有意义的。
这是为了向后兼容而保留随机的旧方法。有一种新方法可以构建一个 randomgenerator 对象并调用它的函数，这与您似乎喜欢的相似：numpy.org/doc/stable/reference/random/generator.html
有时我们想重复一个“随机”测试用例，并在脚本开头使用seed。否则别管它。常规随机数使用不需要它。
在某些情况下我们可能需要两个不同值的seed()？
大约两个seed()s：我的意思是当我们生成两组随机数时，每个函数的seed() 值不同？

标签： python numpy random-seed

【解决方案1】：

种子用于确定 RNG 结果的序列。像这样：

In [1]: import numpy

In [2]: numpy.random.seed(4)

In [3]: numpy.random.randint(0, 10, 10)
Out[3]: array([7, 5, 1, 8, 7, 8, 2, 9, 7, 7])

In [4]: numpy.random.randint(0, 10, 10)
Out[4]: array([7, 9, 8, 4, 2, 6, 4, 3, 0, 7])

In [5]: numpy.random.randint(0, 10, 10)
Out[5]: array([5, 5, 9, 6, 6, 8, 2, 5, 8, 1])

In [6]: numpy.random.randint(0, 10, 10)
Out[6]: array([2, 7, 0, 8, 3, 1, 0, 3, 2, 3])

In [7]: numpy.random.seed(4)

In [8]: numpy.random.randint(0, 10, 10)
Out[8]: array([7, 5, 1, 8, 7, 8, 2, 9, 7, 7])

In [9]: numpy.random.randint(0, 10, 10)
Out[9]: array([7, 9, 8, 4, 2, 6, 4, 3, 0, 7])

In [10]: numpy.random.randint(0, 10, 10)
Out[10]: array([5, 5, 9, 6, 6, 8, 2, 5, 8, 1])

In [11]: numpy.random.randint(0, 10, 10)
Out[11]: array([2, 7, 0, 8, 3, 1, 0, 3, 2, 3])

看看在第二次seed 调用（在线In [7]）之后，序列如何重置？

设置种子后，RNG 输出仍然具有相同的统计属性，但您可以使用相同的种子再次运行程序并获得相同的结果。这对于调试或可重现的模拟等事情很有用。

如果seed 是randint 的一部分，则每次都会重置序列。它看起来像这样：

In [12]: numpy.random.seed(4)

In [13]: numpy.random.randint(0, 10, 10)
Out[13]: array([7, 5, 1, 8, 7, 8, 2, 9, 7, 7])

In [14]: numpy.random.seed(4)

In [15]: numpy.random.randint(0, 10, 10)
Out[15]: array([7, 5, 1, 8, 7, 8, 2, 9, 7, 7])

In [16]: numpy.random.seed(4)

In [17]: numpy.random.randint(0, 10, 10)
Out[17]: array([7, 5, 1, 8, 7, 8, 2, 9, 7, 7])

In [18]: numpy.random.seed(4)

In [19]: numpy.random.randint(0, 10, 10)
Out[19]: array([7, 5, 1, 8, 7, 8, 2, 9, 7, 7])

每次调用的结果都相同。在每次调用时产生相同的结果不是我们希望 RNG 输出的行为方式。

【讨论】：

【解决方案2】：

randint 不是 numpy 中唯一的随机数/序列生成器，还有其他过多的随机函数，并且每次将种子传递给程序中的不同函数没有多大意义，相反，您初始化种子状态一次，然后用于所有随机函数。

【讨论】：

我不能说有没有这样的情况，但到目前为止我还没有看到。一般来说，一个程序只有一个种子，种子的目的基本上是让生成器的输出可预测，这意味着随机生成器总是为给定的种子生成相同的值。
对不起，我在这里删除了这个问题——因为我把它贴在上面了。问题是：是否存在我们可能需要两个具有不同值的种子（）的情况？ @ThePyGuy 我已经检查过，当我们在第一个和第一个 randint 下方创建 seed 的新实例时，我们能够生成不同的随机数集。