为什么 numpy.random.Generator.choice 即使给定固定种子也会给出不同的结果？答案

【问题标题】：Why does numpy.random.Generator.choice gives different results even if given fixed seed?为什么 numpy.random.Generator.choice 即使给定固定种子也会给出不同的结果？
【发布时间】：2020-06-22 15:13:58
【问题描述】：

代码很简单：

import numpy
rng = numpy.random.default_rng(0)
control = rng.choice([0,1],p=[0.5,0.5])
for i in range(100):
    print(control == rng.choice([0,1],p=[0.5,0.5]))
# Not only True gets printed

可能我遗漏了一些东西，但我理解这一点的方式是 rng.choice，使用完全相同的参数运行，如果它被播种，应该总是返回相同的东西。我错过了什么？

【问题讨论】：

标签： python numpy random-seed numpy-random

【解决方案1】：

我想你可能误解了种子的用法。以下代码应始终输出True：

import numpy
rng = numpy.random.default_rng(0)
control = rng.choice([0,1],p=[0.5,0.5])
for i in range(100):
    rng = numpy.random.default_rng(0)
    print(control == rng.choice([0,1],p=[0.5,0.5]))
# Always True

当我们使用相同的种子时，我们可以得到相同的随机数序列。这意味着：

import numpy
rng = numpy.random.default_rng(0)
out = [rng.choice([0, 1], p=[0.5, 0.5]) for _ in range(10)]

out 每次运行时都应该相同，但out 中的值不同。

【讨论】：

你说得对，我误解了种子的作用（或者更准确地说，选择的工作原理）。这么简单的功能，你以为不用多解释，我来了。我担心p=[0.5,0.5] 会影响结果，这对我的工作不利。
我以为我明白了，但我意识到我仍然得到奇怪的结果，这在上面的例子中并不明显。我问了new, more specific question，你愿意看看吗？

【解决方案2】：

据我了解随机数生成，每次使用相同的种子运行程序时，您应该得到相同的 100 个输出，但由于您从正态分布中采样，因此每个样本的结果应该不同。

因此，每次运行此程序时，您应该始终得到相同的真假序列。

我已经尝试过了，似乎至少可以做到这一点。

【讨论】：