我对random.seed()
在Python中的作用有点困惑。例如,为什么下面的试验会做他们所做的(始终如一)?
>>> import random
>>> random.seed(9001)
>>> random.randint(1, 10)
1
>>> random.randint(1, 10)
3
>>> random.randint(1, 10)
6
>>> random.randint(1, 10)
6
>>> random.randint(1, 10)
7
我找不到关于此的好文档。
伪随机数生成器通过对值执行某些操作来工作。通常,此值是生成器生成的先前数字。但是,第一次使用生成器时,没有先前的值。
播种伪随机数生成器为其提供其第一个“前一个”值。每个种子值将对应于给定随机数发生器的生成值序列。也就是说,如果您提供两次相同的种子,则会获得两次相同的数字序列。
通常,您希望为随机数生成器设置一些值,该值将更改程序的每次执行。例如,当前时间是经常使用的种子。这种情况不会自动发生的原因是,如果您愿意,您可以提供特定的种子来获得已知的数字序列。
在生成一组随机数之前设置seed(x)
并使用相同的种子生成相同的随机数集。在重现问题时很有用。
>>> from random import *
>>> seed(20)
>>> randint(1,100)
93
>>> randint(1,100)
88
>>> randint(1,100)
99
>>> seed(20)
>>> randint(1,100)
93
>>> randint(1,100)
88
>>> randint(1,100)
99
>>>
这是我的理解。每次设置种子值时,都会生成“标签”或“参考”。下一个random.function调用附加到此“标签”,因此下次调用相同的种子值和random.function时,它会给出相同的结果。
np.random.seed( 3 )
print(np.random.randn()) # output: 1.7886284734303186
np.random.seed( 3 )
print(np.random.rand()) # different function. output: 0.5507979025745755
np.random.seed( 5 )
print(np.random.rand()) # different seed value. output: 0.22199317108973948
所有其他答案似乎都没有解释random.seed()的使用。这是一个简单的例子(source):
import random
random.seed( 3 )
print "Random number with seed 3 : ", random.random() #will generate a random number
#if you want to use the same random number once again in your program
random.seed( 3 )
random.random() # same random number as before
>>> random.seed(9001)
>>> random.randint(1, 10)
1
>>> random.seed(9001)
>>> random.randint(1, 10)
1
>>> random.seed(9001)
>>> random.randint(1, 10)
1
>>> random.seed(9001)
>>> random.randint(1, 10)
1
>>> random.seed(9002)
>>> random.randint(1, 10)
3
你试试这个。假设'random.seed'给随机值生成器('random.randint()')赋值,该值基于该种子生成这些值。随机数的必要属性之一是它们应该是可再现的。一旦你把相同的种子,你得到相同的随机数模式。所以你从一开始就生成它们。你给它一个不同的种子,它以不同的初始(3以上)开始。
你已经给了一个种子,现在它会一个接一个地生成1到10之间的随机数。因此,您可以为一个种子值假设一组数字。
通过对先前值的某些操作生成随机数。
如果没有先前的值,则自动将当前时间作为先前值。我们可以通过自己使用random.seed(x)
提供此前一个值,其中x
可以是任何数字或字符串等。
因此random.random()
实际上不是完美的随机数,它可以通过random.seed(x)
预测。
import random
random.seed(45) #seed=45
random.random() #1st rand value=0.2718754143840908
0.2718754143840908
random.random() #2nd rand value=0.48802820785090784
0.48802820785090784
random.seed(45) # again reasign seed=45
random.random()
0.2718754143840908 #matching with 1st rand value
random.random()
0.48802820785090784 #matching with 2nd rand value
因此,生成随机数实际上并不是随机的,因为它运行在算法上。算法总是根据相同的输入提供相同的输出。这意味着,它取决于种子的价值。因此,为了使其更随机,时间会自动分配给seed()
。
Seed() can be used for later use ---
Example:
>>> import numpy as np
>>> np.random.seed(12)
>>> np.random.rand(4)
array([0.15416284, 0.7400497 , 0.26331502, 0.53373939])
>>>
>>>
>>> np.random.seed(10)
>>> np.random.rand(4)
array([0.77132064, 0.02075195, 0.63364823, 0.74880388])
>>>
>>>
>>> np.random.seed(12) # When you use same seed as before you will get same random output as before
>>> np.random.rand(4)
array([0.15416284, 0.7400497 , 0.26331502, 0.53373939])
>>>
>>>
>>> np.random.seed(10)
>>> np.random.rand(4)
array([0.77132064, 0.02075195, 0.63364823, 0.74880388])
>>>
# Simple Python program to understand random.seed() importance
import random
random.seed(10)
for i in range(5):
print(random.randint(1, 100))
多次执行上述程序......
第一次尝试:打印5个随机整数,范围为1 - 100
第二次尝试:打印出上述执行中出现的相同的5个随机数。
第三次尝试:相同
.....所以
说明:每次运行上面的程序时,我们都将seed设置为10,然后随机生成器将其作为引用变量。然后通过做一些预定义的公式,它会生成一个随机数。
因此,在下一次执行中将种子设置为10再次将参考编号设置为10并再次开始相同的行为...
一旦我们重置种子值,它就会给出相同的植物。
注意:更改种子值并运行程序,您将看到与前一个不同的随机序列。
在这种情况下,random实际上是伪随机的。给定种子,它将生成具有相等分布的数字。但是使用相同的种子,它每次都会生成相同的数字序列。如果你想改变它,你将不得不改变你的种子。很多人喜欢根据当前时间或某事生成种子。
Imho,当你再次使用random.seed(samedigit)
时,它用于生成相同的随机课程结果。
In [47]: random.randint(7,10)
Out[47]: 9
In [48]: random.randint(7,10)
Out[48]: 9
In [49]: random.randint(7,10)
Out[49]: 7
In [50]: random.randint(7,10)
Out[50]: 10
In [51]: random.seed(5)
In [52]: random.randint(7,10)
Out[52]: 9
In [53]: random.seed(5)
In [54]: random.randint(7,10)
Out[54]: 9
这是一个小测试,证明用相同的参数输入seed()
方法将导致相同的伪随机结果:
# testing random.seed()
import random
def equalityCheck(l):
state=None
x=l[0]
for i in l:
if i!=x:
state=False
break
else:
state=True
return state
l=[]
for i in range(1000):
random.seed(10)
l.append(random.random())
print "All elements in l are equal?",equalityCheck(l)