Python 为什么numpy和random模块为同一种子提供不同的随机数？

对于同一种子，为什么random.random（）与numpy.random（）相比会产生不同的随机值。我的理解是，它们都使用Mersenne扭曲器生成随机值

import random as rnd
import numpy as np

rnd.seed(1)
np.random.seed(1)

rnd.random()
np.random.rnd()

0.13436

0.41702

---

随机模块和numpy.random都使用mt19937生成随机数。因此，我们可以将一个生成器的状态从一个生成器复制到另一个生成器，以查看它们是否具有相同的底层实现

import random as rnd
import numpy as np

# seed numpy
np.random.seed(1)

# get state from numpy
state = [int(s) for s in list(np.random.get_state()[1])]
state.append(624)
state = tuple(state)
state = (3, tuple(state), None)

# set state for python 
rnd.setstate(state)

print(rnd.random())
print(np.random.rand())

0.417022004702574

0.417022004702574

---

如果手动将状态设置为相同，则使用的mt19937发动机似乎会给出相同的结果。这似乎意味着种子函数的实现方式不同。

为什么您希望它们是相同的？即使两者使用相同的算法，在实现上也会有微小的差异。例如，种子的表示方式和使用方式可能有所不同。例如，当要求使用同一种子的随机数时，MATLAB将生成与Numpy相同的值。我很好奇为什么标准库随机模块没有。很有趣，谢谢。没有完全理解这两个国家之间的关系