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 。
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
- python如何统计输入字符串中字符的个数?python统计字符的个数代码
- 如何用Python代码实现词云?python实现词云的方法有哪些?
- 如何实现python中的链表反转?Python实现链表反转的方法是什么?
- 如何安装python框架?windows安装python框架的方法
- Python中bytes是什么意思?Python字节类要怎么使用
- Python中的condition如何使用?python中condition条件变量的使用方法有哪些?
- python如何解决程序运行完就关闭?python运行完不关闭窗口的解决方法
- Python时间日期如何转换?Python时间日期转换的方法技巧
- 成品窗帘的分类
- 如何使用ppt设计简洁的爱心标志 使用ppt设计简洁的爱心标志的教程