Python 可复制的NumPy随机结果：重新播种与重新播种

根据NumPy的NumPy.random.seed：

这是一个方便的传统功能

最好的做法是不重新设置位生成器的种子，而是重新创建 一个新的。由于遗留原因，这里使用此方法。这个例子 展示最佳实践

---

然而，我注意到重新创建位生成器的结果是不可复制的。相反，重新设定位生成器的种子会给出可再现的结果。为什么会这样？我做错了什么

此外，他们的结果也不同。为什么会这样？不是使用了相同的Mersenne Twister MT算法吗

下面是我复制观察结果的脚本

import numpy as np
from numpy.random import MT19937
from numpy.random import RandomState, SeedSequence
import matplotlib.pyplot as plt

seed=123456789

# Reseed a BitGenerator
np.random.seed(seed)
r1 = np.random.random_integers(1, 6, 1000)
np.random.seed(seed)
r2 = np.random.random_integers(1, 6, 1000)

# Recreate a BitGenerator
rs = RandomState(MT19937(SeedSequence(seed)))
c1 = np.random.random_integers(1, 6, 1000)
rs = RandomState(MT19937(SeedSequence(seed)))
c2 = np.random.random_integers(1, 6, 1000)

# Visualise results
fig, axes = plt.subplots(1, 2)
axes[0].hist(r1, 11, density=True)
axes[0].hist(r2, 11, density=True)
axes[0].set_title('Reseed a BitGenerator')

axes[1].hist(c1, 11, density=True)
axes[1].hist(c2, 11, density=True)
axes[1].set_title('Recreate a BitGenerator')

plt.show()

---

在您的示例中，当您重新创建RandomState对象时，在获取随机数时不使用它

创建RandomState时，不会重新为整个numpy env设定种子。 而是创建一个新的随机生成器对象

将代码更改为：

# Recreate a BitGenerator
rs1 = RandomState(MT19937(SeedSequence(seed)))
c1 = rs1.random_integers(1, 6, 1000)
rs2 = RandomState(MT19937(SeedSequence(seed)))
c2 = rs2.random_integers(1, 6, 1000)

---

然而，我注意到重新创建位生成器的结果是不可复制的。相反，重新设定位生成器的种子会给出可再现的结果。为什么会这样？我做错了什么？您没有使用重新创建的生成器。您创建了一个新的生成器，但仍然使用传统的单例。除非您需要与使用序列的旧MT兼容，否则您最好切换到PCG，它客观上在每个轴上都更好—更好的统计特性、更快的速度和更少的内存。我希望NumPy的文档将您的示例附加到他们的示例中：更容易理解；