關于Numpy中np.random.seed()随機種子用法

np.random.seed() 使随機數可預測

随機種子seed括号裡的數，顧名思義， 好像就是一個固定的序列集合的種子代号，例如代号0（如：0，1，2，3，4…），中包含一大串随機數，但都是固定的，是以，無論後面怎麼random.random，生成的随機數都是seed(0)集合中的随機數。

import numpy as np
from icecream import ic

if __name__ == '__main__':
    np.random.seed(0)   # 随機種子代号自己設定
    x1 = np.random.random(3) 
    ic(x1)      

第一次：

ic| x1: array([0.5488135 , 0.71518937, 0.60276338])

第二次：

多次運作後，你會發現每次的值都是一樣的。

是以，想要取不同的随機數，可設定seed()内的不同種子代号。

當然還有另外一種方法能讓每次取得随機數組都是不一樣的，删掉seed()語句，直接random就好了。

import numpy as np
from icecream import ic

if __name__ == '__main__':
    x1 = np.random.random(3) 
    ic(x1)      

ic| x1: array([0.93113248, 0.16477415, 0.11086242])

ic| x1: array([0.57306252, 0.54383123, 0.23124207])

第三次：

ic| x1: array([0.14004845, 0.51201779, 0.67705872])

…

後面每次都是不同的

曾看到過這樣一個解釋覺得不錯：

（僞）随機數的工作原理是從一個數字（種子）開始，将它乘以一個大數，加上一個偏移量，然後對該和取模。然後将結果數用作種子以生成下一個“随機”數。當你設定種子時（每次），它每次都做同樣的事情，給你相同的數字。

隻設定一次種子，後續不重置，放在一起來看：

import numpy as np
from icecream import ic

if __name__ == '__main__':
    np.random.seed(0)
    x1 = np.random.random(3)
    ic(x1)
    x2 = np.random.random(3)
    ic(x2)
    x3 = np.random.random(3)
    ic(x3)
    x4 = np.random.random(3)
    ic(x4)
    x5 = np.random.random(3)
    ic(x5)      

Result：

ic| x2: array([0.54488318, 0.4236548 , 0.64589411])

ic| x3: array([0.43758721, 0.891773 , 0.96366276])

ic| x4: array([0.38344152, 0.79172504, 0.52889492])

ic| x5: array([0.56804456, 0.92559664, 0.07103606])

總結

如果想要看似随機的數字，不要設定種子。但是，如果有要調試的使用随機數的代碼，那麼在每次運作之前設定種子會非常有幫助，這樣代碼每次運作時都會做同樣的事情。