python中的随机数种子seed()用法说明

这篇文章主要介绍了python中的随机数种子seed()用法说明,具有很好的参考价值,希望对大家有所帮助。

python随机数种子seed()

栗子1

import numpy as np
import random
random.seed(0)

np.random.seed(0)
print(np.random.rand(2))
print(np.random.rand(2))

结果为:

[0.5488135 0.71518937][0.60276338 0.54488318]

再次运行结果为:

[0.5488135 0.71518937][0.60276338 0.54488318]

想要在同一个程序中产生同一组随机数,需要在下一个函数设置一个相同的随机种子

import numpy as np
import random
random.seed(0)

np.random.seed(0)
print(np.random.rand(2))
np.random.seed(0)
print(np.random.rand(2))

结果为:

[0.5488135 0.71518937][0.5488135 0.71518937]

栗子2

import random
random.seed(0)

print("1: ", random.random())
# 生成同一个随机数
random.seed(0)
print("2: ", random.random())
print("3: ", random.random())
print("4: ", random.random())
# 生成同一个随机数
random.seed(0)
print("5: ", random.random())
print("6: ", random.random())
print("7: ", random.random())

结果为:

1: 0.84442185152504812: 0.84442185152504813: 0.75795440294030254: 0.4205715808308455: 0.84442185152504816: 0.75795440294030257: 0.420571580830845

random.seed(0),其中的0是对应的随机数的种子,如果不设置这个值,则系统根据时间来自己选择这个值,此时每次生成的随机数因时间差异而不同。

生成的结果与代码运行的的次数没有什么关系。分析结果可知,输出值相同,与距离随机数种子间隔也相同。由以上分析可见,1,2,5相同;3,6相同;4、7相同。

随机种子的详解

什么是随机种子?

我们知道,随机数是通过一些复杂的数学算法得到的,那么 随机种子(Random Seed)就是这些随机数的初始值。

一般计算机里面产生的随机数都是伪随机数。 伪随机数,也是就一个一直不变的数。

import numpy as np
 
num = 0
while (num < 5):
np.random.seed(0)
print(np.random.rand(1,5)) # 得到一个范围从0到1的 1行5列的随机数
num += 1
 
print('-------------------------')

结果:

由结果可以看出来,这些都是伪随机数,也就是一直不变的随机数,所以我们可以通过输入随机种子,得到一个初始固定的随机数。随机种子的初始值,是一直不变的。

我们把随机种子的赋值,放到循环外面,意思是只初始化一次

import numpy as np
 
num = 0
np.random.seed(0)
while (num < 5):
 
print(np.random.rand(1,5))
num += 1
 
print('-------------------------')

看到,结果就不一样了,但是初始化第一行的结果还是一样的,这说明初始值一样 ,而且你会发现,无论你运行多少遍,有了随机种子,运行的结果都是一样的

但我们不需要随机种子的时候,把随机种子的赋值注释掉

import numpy as np
 
num = 0
#np.random.seed(0)
while (num < 5):
 
print(np.random.rand(1,5))
num += 1
 
print('-------------------------')

此时结果就是完全随机,没有一点章法。

所以我总结就是,通过随机种子,通过一些复杂的数学算法,你可以得到一组有规律的随机数,而随机种子就是这个随机数的初始值。随机种子相同,得到的随机数一定也相同。

随机种子计算随机数的计算方法

一般种子可以以当前的系统时间,这是完全随机的

算法1:平方取中法。

1)将种子设为X0,并mod 10000得到4位数

2)将它平方得到一个8位数(不足8位时前面补0)

3)取中间的4位数可得到下一个4位随机数X1

4)重复1-3步,即可产生多个随机数

这个算法的一个主要缺点是最终它会退化成0,不能继续产生随机数。

算法2:线性同余法

1)将种子设为X0,

2)用一个算法X(n+1)=(a*X(n)+b) mod c产生X(n+1)

一般将c取得很大,可产生0到c-1之间的伪随机数

该算法的一个缺点是会出现循环。

Python cv.Canny()方法参数与使用方法 生活杂谈

Python cv.Canny()方法参数与使用方法

这篇文章主要介绍了Python cv.Canny()方法参数与使用方法,OpenCV提供了cv.Canny()方法,该方法将输入的原始图像转换为边缘图像,更多相关内容需要的朋友可以参考一下! 函数原...
Python实现求解最大公约数的五种方法总结 生活杂谈

Python实现求解最大公约数的五种方法总结

求最大公约数是习题中比较常见的类型,下面小编会给大家提供五种比较常见的算法,记得帮忙点个赞哦! 一般来说,最大公约数的求法大概有5种 方法一:短除法 短除法是求最大公因数的一种方法,...