Numpy np.random.seed（number）`中括号中的数字是什么意思？

np.random.seed（0）

，

np.random.seed（42）

，和

np.random.seed（…任何数字）

之间有什么区别。括号中数字的功能是什么？

这将是发电机的启动键。通常，如果您希望获得可复制的结果，您将在整个模拟过程中反复使用相同的种子

您正在设置随机数生成器的种子，以便获得可复制的结果。例如

np.random.seed(0)
np.random.randint(0,100,10)

输出：

array([44, 47, 64, 67, 67,  9, 83, 21, 36, 87])

---

现在，如果您在计算机上运行相同的代码，您应该从0到100的随机整数中获得相同的10个数字输出。

python

使用迭代算法生成。这就是我们开始迭代的地方

需要明确的是，大多数计算机没有“真正”的随机性来源。有趣的是，“随机性”对很多应用程序来说都很有价值，而且很难获得（你可以买一台专门用于此目的的机器）。由于很难生成随机数，但它们仍然是必需的，因此已经开发了许多、许多、许多、许多算法来生成非随机数，但看起来似乎是随机数。生成数字的算法称为伪随机数生成器（PRNG）。由于PRNG实际上是确定性的，它们不能简单地从乙醚中创建一个数字，让它看起来随机。他们需要投入。事实证明，使用一些复杂的运算和模运算，我们可以接受一个输入，得到另一个似乎与输入关系不大或没有关系的数字。利用这种直觉，我们可以简单地使用PRNG的前一个输出作为下一个输入。然后，我们得到一个数字序列，如果我们的PRNG是好的，那么它们似乎彼此没有关系

为了开始我们的迭代PRNG，我们需要一个初始输入。这个初始输入称为“种子”。由于PRNG是确定性的，对于给定的种子，它将生成相同的数字序列。通常，有一个默认种子，它本身有点随机性。最常见的是当前时间。但是，当前时间不是一个很好的随机数，因此这种行为有时是已知的。如果希望程序在每次运行时都以相同的方式运行，可以提供种子（0是一个常用选项，但完全是任意的）。然后，你会得到一系列随机数，但如果你把代码交给某人，他们实际上可以完全重新创建程序的运行时，就像你运行程序时看到的那样。

可能的重复