如何在python中设置随机种子?numpy库中的随机数种子如何产生?

本篇内容介绍了“如何在python中设置随机种子?numpy库中的随机数种子如何产生?”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让我带领大家学习一下如何处理这些情况吧!希望大家在阅读完这篇文章之后能有所收获 。

如何在python中设置随机种子?numpy库中的随机数种子如何产生?

文章插图
 
1、对于原生的random模块
使用random模块,如果我们不设置一个随机时间python会根据系统,自己指定一个,同时根据自己的时间来设定一个随机种子,如以下代码:
import randomrandom.seed(1)#根据时间随机指定import timeimport randomseed = int(time.time())random.seed(seed)#seed就是根据时间产生的一个随机种子 。
2、numpy中的随机数种子
举个例子来说明,在numpy库中如何产生随机数种子
import numpy as npdef test_numpy_random_seed(seed=0, cnt=3):np.random.seed(seed)print("test numpy seed: ", seed)for _ in range(cnt):print(np.random.random())print(np.random.randn(1, 5))print(np.random.uniform(1, 10, 5))print('\n')多次运行以上的test_numpy_random_seed函数,我们可以发现它的使用特性与random模块非常的相似,这让我们更加了解了有关随机种子的特性 。除此之外我们还可以对多维随机数组进行随机的一些操作:
def test_mult_shape(seed=0):np.random.seed(seed)print(np.random.randn(1, 3))print(np.random.randn(1, 2))np.random.seed(seed)print(np.random.randn(2, 5))test_mult_shape()输出:
[[1.76405235 0.40015721 0.97873798]][[2.2408932  1.86755799]][[ 1.76405235  0.40015721  0.97873798  2.2408932   1.86755799] [-0.97727788  0.95008842 -0.15135721 -0.10321885  0.4105985 ]]上面的代码中,通过运行了“test_mult_shape”函数,我们可以知道在相同的随机数组中,运行两次和运行一次多维正态分布的结果是相同的,这说明在随机数分布中,不会对相同的类型有影响,也不会因为形状特征影响到分布生成的秩序 。
【如何在python中设置随机种子?numpy库中的随机数种子如何产生?】以上就是有关 “如何在python中设置随机种子?numpy库中的随机数种子如何产生?”全部内容了,希望对你们的学习带来一定的帮助!

    推荐阅读