Python numpy.random.seed（）的用途是什么？它有什么区别吗？

我有一个名为“招生”的数据集

我试图在一个简单的数据集上执行保持验证。为了对数据集的索引执行排列，我使用以下命令：

import numpy as np
np.random.permutation(admissions.index)

---

在排列之前是否需要使用

np.random.seed（）

？如果是这样，那么为什么以及

np.random.seed（number）

中的数字代表什么？

您不需要在随机排列之前初始化种子，因为这已经为您设置好了。 根据以下文件：

参数：
种子：{None，int，array_like}，可选 随机种子初始化伪随机数生成器。可以是一个 整数，任意长度的整数数组（或其他序列），或 无（默认设置）。如果seed为None，则RandomState将尝试读取 来自/dev/uradom（或Windows模拟）的数据（如果可用）或种子 否则，从时钟开始

种子的概念与随机数的产生有关。你可以阅读更多关于它的内容

为了将这个答案与（约翰科勒曼）对你的问题的评论结合起来，我想举一个例子：

>>> numpy.random.seed(0)
>>> numpy.random.permutation(4)
array([2, 3, 1, 0])
>>> numpy.random.seed(0)
>>> numpy.random.permutation(4)
array([2, 3, 1, 0])

请注意，它已弃用，仅保留用于向后兼容。这是因为重新播种现有的随机数生成器（RNG）是不好的做法。如果您需要种子（例如，为了使计算可重复用于测试），请创建一个新的RNG：

将numpy导入为np
rng=np.random.default\u rng（seed=0）
out=随机变量（5）

在此处检查：如果您希望能够以完全相同的排列重复实验（例如为了调试目的），则需要设置一个可复制的种子。如果不需要重复，则可以跳过显式种子设定部分。如果确实为调试设置了显式种子，请在调试完成后将其删除。可能存在C.f。