np.random.seed（）和np.random.RandomState（）之间的区别

Question

我知道要种下numpy.random的随机性，并且能够复制它，我应该：

import numpy as np
np.random.seed(1234)

但是 np.random.RandomState() 是吗？

Answer 1

random.seed是填充random.RandomState容器的方法。

来自numpy docs：

numpy.random.seed(seed=None)

Seed the generator.

This method is called when RandomState is initialized. It can be called again to re-seed the generator. For details, see RandomState.

class numpy.random.RandomState

Container for the Mersenne Twister pseudo-random number generator.

Answer 2

如果要设置调用np.random...将使用的种子，请使用np.random.seed：

np.random.seed(1234)
np.random.uniform(0, 10, 5)
#array([ 1.9151945 ,  6.22108771,  4.37727739,  7.85358584,  7.79975808])
np.random.rand(2,3)
#array([[ 0.27259261,  0.27646426,  0.80187218],
#       [ 0.95813935,  0.87593263,  0.35781727]])

使用该类可避免影响全局numpy状态：

r = np.random.RandomState(1234)
r.uniform(0, 10, 5)
#array([ 1.9151945 ,  6.22108771,  4.37727739,  7.85358584,  7.79975808])

它保持着和以前一样的状态：

r.rand(2,3)
#array([[ 0.27259261,  0.27646426,  0.80187218],
#       [ 0.95813935,  0.87593263,  0.35781727]])

您可以使用以下命令查看“global”类的状态：

np.random.get_state()

以及您自己的类实例：

r.get_state()

Answer 3

构造一个随机数生成器。它对np.random中的独立函数没有任何影响，但必须显式使用：

>>> rng = np.random.RandomState(42)
>>> rng.randn(4)
array([ 0.49671415, -0.1382643 ,  0.64768854,  1.52302986])
>>> rng2 = np.random.RandomState(42)
>>> rng2.randn(4)
array([ 0.49671415, -0.1382643 ,  0.64768854,  1.52302986])