我们带着2个问题来进行下列实验

np.random.seed()是否一直有效?
np.random.seed(Argument)的参数作用?

例1

import numpy as np
if __name__ == "__main__":
    i = 0
    while i < 6:
        if i < 3:
            np.random.seed(0)
            print(np.random.randn(1, 5))
        else:
            print(np.random.randn(1, 5))
            pass
        i += 1

    print("-------------------")
    i = 0
    while i < 2:
        print(np.random.randn(1, 5))
        i += 1
    print(np.random.randn(2, 5))

    print("---------重置----------")
    np.random.seed(0)
    i = 0
    while i < 8:
        print(np.random.randn(1, 5))
        i += 1

image.png

可以看出，
(1) np.random.seed()对后面的随机数一直有效。
两次利用随机数种子后，即便是跳出循环后，生成随机数的结果依然是相同的。第一次跳出while循环后，进入第二个while循环，得到的两个随机数组确实和加了随机数种子不一样。但是，后面的加了随机数种子的，八次循环中的结果和前面的结果是一样的。说明，随机数种子对后面的结果一直有影响。同时，加了随机数种子以后，后面的随机数组都是按一定的顺序生成的。

例2.随机数种子参数的作用

# 随机数种子参数的作用
import numpy as np

if __name__ == "__main__":
    i = 0
    np.random.seed(0)
    while i < 3:
        print(np.random.randn(1, 5))
        i += 1
    i = 0
    print("---------------------")
    np.random.seed(1)
    i = 0
    while i < 3:
        print(np.random.randn(1, 5))
        i += 1

image.png

当随机数种子参数为0时，生成的随机数结果和例1相同。
当随机种子参数不同时,生成的随机结果不同,
(2)说明该参数指定了一个随机数生成的起始位置。
每个参数对应一个位置。并且在该参数确定后，其后面的随机数的生成顺序也就确定了。
所以，随机数种子的参数怎么选择？这个参数只是确定一下随机数的起始位置，可随意分配。

例3.

image.png

总结:

seed( ) 用于指定随机数生成时所用算法开始的整数值，
a.如果使用相同的seed( )值，则每次生成的随机数都相同，
b.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。
c.如果设置不同的seed()值,则每次生成的随机数不同.
设置的seed()值仅一次有效.