【数据处理】Numpy.random.seed()的用法

       刚开始看到numpy.random.seed(0)这个用法看不太懂，尤其是seed（）括号里的数字总是不同时，更是懵逼。

其实，当我们在seed（）的括号里设置相同的seed，每次生成的随机数就会相同。如果不设置seed，则每次会生成不同的随机数。（注：seed括号里的数值基本可以随便设置哦）

但是有时候你明明设置了seed（）没有变，但生成的随机数组还是不同，这是怎么回事呢？请看：

import numpy as np

np.random.seed(0)
np.random.rand(10)
Out[357]: 
array([0.5488135 , 0.71518937, 0.60276338, 0.54488318, 0.4236548 ,
       0.64589411, 0.43758721, 0.891773  , 0.96366276, 0.38344152])
np.random.rand(10)
Out[358]: 
array([0.79172504, 0.52889492, 0.56804456, 0.92559664, 0.07103606,
       0.0871293 , 0.0202184 , 0.83261985, 0.77815675, 0.87001215])

大家一定会奇怪，咦？为什么会不一样，我不是已经设置了seed没变么？

其实，第二遍的np.random.rand（10）已经不是在你设置的np.random.seed（0）下了，所以第二遍的随机数组只是在默认random下随机挑选的样本数值。

那我们该怎么让两次随机数组一样呢？

我们只需要再输入一遍np.random.seed（0）就好了，请看：

np.random.seed(0)
np.random.rand(4,3)
Out[362]: 
array([[0.5488135 , 0.71518937, 0.60276338],
       [0.54488318, 0.4236548 , 0.64589411],
       [0.43758721, 0.891773  , 0.96366276],
       [0.38344152, 0.79172504, 0.52889492]])
np.random.seed(0)
np.random.rand(4,3)
Out[364]: 
array([[0.5488135 , 0.71518937, 0.60276338],
       [0.54488318, 0.4236548 , 0.64589411],
       [0.43758721, 0.891773  , 0.96366276],
       [0.38344152, 0.79172504, 0.52889492]])

看！是不是成功了呢。

下面再给大家看个例子，以供大家更好地理解：

def rng():
    for i in range(5):
        np.random.seed(123)
        print(np.random.rand(4))
        
rng()
>>>[0.69646919 0.28613933 0.22685145 0.55131477]
   [0.69646919 0.28613933 0.22685145 0.55131477]
   [0.69646919 0.28613933 0.22685145 0.55131477]
   [0.69646919 0.28613933 0.22685145 0.55131477]
   [0.69646919 0.28613933 0.22685145 0.55131477]
def rng_n():
    np.random.seed(123)
    for i in range(5):
        print(np.random.rand(4))
        
rng_n()
>>>[0.69646919 0.28613933 0.22685145 0.55131477]
   [0.71946897 0.42310646 0.9807642  0.68482974]
   [0.4809319  0.39211752 0.34317802 0.72904971]
   [0.43857224 0.0596779  0.39804426 0.73799541]
   [0.18249173 0.17545176 0.53155137 0.53182759]

请仔细看这两个自定义函数的不同，大家现在是不是对np.random.seed（）有了更好的理解了呢？