Python np.random.seed（）和np.random.RandomState（）之间的差异

我知道，要播种numpy.random的随机性，并能够复制它，我应该让我们：

import numpy as np
np.random.seed(1234)

但是什么呢

np.random.RandomState（）

do？

是一种填充容器的方法

从numpy文档：

numpy.random.seed(seed=None)

给发电机播种

初始化RandomState时调用此方法。可以再次调用它以重新为生成器设定种子。有关详细信息，请参见RandomState

Mersenne Twister伪随机数生成器的容器

---

如果要设置调用

np.random…

将使用的种子，请使用

np.random.seed

：

np.random.seed(1234)
np.random.uniform(0, 10, 5)
#array([ 1.9151945 ,  6.22108771,  4.37727739,  7.85358584,  7.79975808])
np.random.rand(2,3)
#array([[ 0.27259261,  0.27646426,  0.80187218],
#       [ 0.95813935,  0.87593263,  0.35781727]])

使用该类可避免影响全局numpy状态：

r = np.random.RandomState(1234)
r.uniform(0, 10, 5)
#array([ 1.9151945 ,  6.22108771,  4.37727739,  7.85358584,  7.79975808])

它保持着与以前一样的状态：

r.rand(2,3)
#array([[ 0.27259261,  0.27646426,  0.80187218],
#       [ 0.95813935,  0.87593263,  0.35781727]])

您可以通过以下方式查看“全局”类的状态：

np.random.get_state()

以及您自己的类实例，具有：

r.get_state()

---

np.random.RandomState（）

构造一个随机数生成器。它对

np.random

中的独立函数没有任何影响，但必须明确使用：

>>> rng = np.random.RandomState(42)
>>> rng.randn(4)
array([ 0.49671415, -0.1382643 ,  0.64768854,  1.52302986])
>>> rng2 = np.random.RandomState(42)
>>> rng2.randn(4)
array([ 0.49671415, -0.1382643 ,  0.64768854,  1.52302986])

np.random.RandomState（）-提供基于不同概率分布的多种方法的类。

---

np.random.RandomState.seed（）-初始化RandomState（）时调用。

但如果调用RandomState（1234）并使用random.uniform（）创建一个数字，则结果不可复制。像RandomState这样的容器是用来做什么的？@eran你知道吗，它们不是一回事？请阅读以了解更多关于确切的内容。@eran，实际上这是因为您正在创建该类的另一个实例。看看我的答案，看看如何使用它。谢谢！我现在明白了。非常直截了当。文档只是缺少一个合适的例子。或者我有一个盲点…它对独立功能有什么影响？我认为它创建了一个独立的实例，就像我的回答一样。@askewchan:typo，我的意思是它没有任何效果。你的回答有道理。但是文档如何不令人困惑呢<代码>初始化RandomState时调用此方法。可以再次调用它来重新为生成器设定种子。它没有说明这样一个事实，即当我调用此方法时，我只影响一个全局实例（或其他任何实例），而不影响任何其他

RandomState

实例。是的，我同意。。

numpy.random

模块文档应明确说明模块已使用

RandomState

的实例进行初始化。但是我找不到任何关于模块本身的文档。另请看：这里有一个非常好的讨论：你真的必须费力地阅读评论，并注意到Robert Kern是一个numpy devWelcome！谢谢你花时间回答这个问题。你能详细介绍一下你的解决方案吗？例如，为什么您的解决方案比公认的答案更好？此外，这个问题是6年前提出和回答的。回答时一定要看原始问题的日期。请阅读。

>>> rng = np.random.RandomState(42)
>>> rng.randn(4)
array([ 0.49671415, -0.1382643 ,  0.64768854,  1.52302986])
>>> rng2 = np.random.RandomState(42)
>>> rng2.randn(4)
array([ 0.49671415, -0.1382643 ,  0.64768854,  1.52302986])