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(始终如一地)做它们所做的事情?
>>> 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
我找不到关于这方面的好的文件。
当前回答
随机的。python中的seed(a, version)用于初始化伪随机数生成器(PRNG)。
PRNG是一种生成近似于随机数性质的数列的算法。这些随机数可以使用种子值重新生成。因此，如果您提供种子值，PRNG将使用种子从任意的起始状态开始。
参数a是种子值。如果a值为None，则默认使用当前系统时间。
and version是一个整数，指定如何将参数a转换为整数。缺省值为2。
import random
random.seed(9001)
random.randint(1, 10) #this gives output of 1
# 1
如果你想要复制相同的随机数，那么再次提供相同的种子
random.seed(9001)
random.randint(1, 10) # this will give the same output of 1
# 1
如果你不提供种子，那么它会生成不同的数字，而不是之前的1
random.randint(1, 10) # this gives 7 without providing seed
# 7
如果你提供不同的种子，它会给你一个不同的随机数
random.seed(9002)
random.randint(1, 10) # this gives you 5 not 1
# 5
因此，总的来说，如果您希望复制相同的随机数，请提供种子。确切地说，是同一颗种子。
其他回答
在这种情况下，随机实际上是伪随机。给定一颗种子，它将产生具有均匀分布的数字。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，你就必须改变你的种子。很多人喜欢根据当前时间或其他东西来生成种子。
所有其他答案似乎都不能解释random.seed()的使用。 下面是一个简单的例子(来源):
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
随机的。python中的seed(a, version)用于初始化伪随机数生成器(PRNG)。
PRNG是一种生成近似于随机数性质的数列的算法。这些随机数可以使用种子值重新生成。因此，如果您提供种子值，PRNG将使用种子从任意的起始状态开始。
参数a是种子值。如果a值为None，则默认使用当前系统时间。
and version是一个整数，指定如何将参数a转换为整数。缺省值为2。
import random
random.seed(9001)
random.randint(1, 10) #this gives output of 1
# 1
如果你想要复制相同的随机数，那么再次提供相同的种子
random.seed(9001)
random.randint(1, 10) # this will give the same output of 1
# 1
如果你不提供种子，那么它会生成不同的数字，而不是之前的1
random.randint(1, 10) # this gives 7 without providing seed
# 7
如果你提供不同的种子，它会给你一个不同的随机数
random.seed(9002)
random.randint(1, 10) # this gives you 5 not 1
# 5
因此，总的来说，如果您希望复制相同的随机数，请提供种子。确切地说，是同一颗种子。
伪随机数生成器通过对值执行一些操作来工作。通常这个值是生成器生成的前一个数字。但是，第一次使用生成器时，没有以前的值。
播种一个伪随机数生成器会给它第一个“前一个”值。每个种子值将对应于给定随机数生成器的生成值序列。也就是说，如果你提供相同的种子两次，你会得到相同的数字序列两次。
通常，您希望为随机数生成器设置一些值，这些值将改变程序的每次执行。例如，当前时间是一个常用的种子。这不会自动发生的原因是，如果您愿意，您可以提供一个特定的种子来获得已知的数字序列。
以下是我的理解。 每当我们设置一个种子值时，就会生成一个“标签”或“引用”。下一个随机。函数调用被附加到这个“标签”，所以下次你调用相同的种子值和随机。函数，会得到相同的结果。
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
