如何检索NumPy随机数生成器的当前种子？

Question

以下导入NumPy并设置种子。

import numpy as np
np.random.seed(42)

但是，我对设置种子并不感兴趣，而是更多地阅读它。 random.get_state()似乎没有包含种子。 documentation没有显示出明显的答案。

我如何检索numpy.random使用的当前种子，假设我没有手动设置它？

我想使用当前种子来继承进程的下一次迭代。

Answer 1

简短的回答是你根本不能（至少不是一般）。

numpy使用的Mersenne Twister RNG具有219937-1个可能的内部状态，而单个64位整数仅具有264个可能的值。因此，不可能将每个RNG状态映射到唯一的整数种子。

您可以使用np.random.get_state和np.random.set_state直接获取和设置RNG的内部状态。 get_state的输出是一个元组，其第二个元素是32位整数的(624,)数组。该阵列具有足够多的位来表示RNG的每个可能的内部状态（2624 * 32> 219937-1）。

get_state返回的元组可以像种子一样使用，以创建可重现的随机数序列。例如：

import numpy as np

# randomly initialize the RNG from some platform-dependent source of entropy
np.random.seed(None)

# get the initial state of the RNG
st0 = np.random.get_state()

# draw some random numbers
print(np.random.randint(0, 100, 10))
# [ 8 76 76 33 77 26  3  1 68 21]

# set the state back to what it was originally
np.random.set_state(st0)

# draw again
print(np.random.randint(0, 100, 10))
# [ 8 76 76 33 77 26  3  1 68 21]

Answer 2

在我找到有关手头问题的更多细节后，我已经编辑了这个答案。就目前情况而言，我希望它能够很好地澄清来自ali_m的答案，并作为对Dong Justin答案的重要修正。

这些是我的发现：

1. 使用np.random.seed(X)设置随机种子后，您可以使用np.random.get_state()[1][0]再次找到它。
2. 但是，它对你没用。

以下代码部分的输出将显示两个语句为何正确的原因。

---

声明1 - 您可以使用np.random.get_state()[1][0]找到随机种子。

如果使用np.random.seed(123)设置随机种子，则可以使用state = np.random.get_state()将随机状态检索为元组。下面仔细看看state（我在Spyder中使用Variable explorer）。我正在使用屏幕截图，因为使用print(state)会使控制台泛滥，因为元组的第二个元素中的数组大小。

您可以轻松地将123视为第二个元素中包含的数组中的第一个数字。并使用seed = np.random.get_state()[1][0]将给你123。完善？不完全是因为：

声明2 - 然而，它对您没什么用处：

起初它可能看起来不是那样，因为你可以使用np.random.seed(123)，用seed = np.random.get_state()[1][0]检索相同的数字，用np.random.seed(444)重置种子，然后（貌似）用123将它设置回np.random.seed(seed)场景。但是之后你已经知道你的随机种子是什么了，所以你不需要这样做。下一个代码部分还将显示您不能使用np.random.get_state()[1][0]获取任何随机状态的第一个数字，并期望重新创建该确切方案。请注意，您很可能必须完全关闭并重新启动内核（或调用np.random.seed(None)）才能看到此内容。

以下代码片段使用np.random.randint()生成介于-10和10之间的5个随机整数，并存储有关该过程的一些信息：

片段1

# 1. Imports
import pandas as pd
import numpy as np

# 2. set random seed
#seedSet = None
seedSet = 123
np.random.seed(seedSet)

# 3. describe random state
state = np.random.get_state()
state5 = np.random.get_state()[1][:5]
seedState = np.random.get_state()[1][0]

# 4. generate random numbers
random = np.random.randint(-10, 10, size = 5)

# 5. organize and present findings
df = pd.DataFrame.from_dict({'seedSet':seedSet, 'seedState':seedState, 'state':state, 'random':random})
print(df)

请注意，名为seedState的列与state下的第一个数字相同。我可以把它打印成一个独立的号码，但我想把它们全部保存在同一个地方。另请注意，到目前为止，seedSet = 123和np.random.seed(seedSet)已经被注释掉了。因为没有设置随机种子，你的数字将与我的不同。但这不是重要的，而是你的结果的内在一致性：

输出1：

   random seedSet   seedState       state
0       2    None  1558056443  1558056443
1      -1    None  1558056443  1808451632
2       4    None  1558056443   730968006
3      -4    None  1558056443  3568749506
4      -6    None  1558056443  3809593045

在这个特殊情况下，seed = np.random.get_state()[1][0]等于1558056443。按照Dong Justins回答的逻辑（以及我在编辑之前的答案），您可以使用np.random.seed(1558056443)设置随机种子并获得相同的随机状态。下一个片段将显示您不能：

片段2

# 1. Imports
import pandas as pd
import numpy as np

# 2. set random seed
#seedSet = None
seedSet = 1558056443
np.random.seed(seedSet)

# 3. describe random state
#state = np.random.get_state()
state = np.random.get_state()[1][:5]
seedState = np.random.get_state()[1][0]

# 4. generate random numbers
random = np.random.randint(-10, 10, size = 5)

# 5. organize and present findings
df = pd.DataFrame.from_dict({'seedSet':seedSet, 'seedState':seedState, 'state':state, 'random':random})
print(df)

输出2：

   random     seedSet   seedState       state
0       8  1558056443  1558056443  1558056443
1       3  1558056443  1558056443  1391218083
2       7  1558056443  1558056443  2754892524
3      -8  1558056443  1558056443  1971852777
4       4  1558056443  1558056443  2881604748

看到不同？ np.random.get_state()[1][0]对于输出1和输出2是相同的，但输出的其余部分不相同（最重要的是随机数不相同）。所以，由于ali_m已经明确说明：

因此，不可能将每个RNG状态映射到唯一的整数种子。

Answer 3

检查np.random.get_state()返回的数组的第一个元素，它似乎是我的随机种子。