numpy.random.seed() 有什么用，有什么区别吗？

Question

我有一个名为“admissions”的数据集。

我正在尝试对一个简单的数据集进行坚持验证。 为了对数据集的索引进行排列，我使用以下命令：

import numpy as np
np.random.permutation(admissions.index)

我需要在排列之前使用np.random.seed()吗？ 如果是这样，那么np.random.seed(number)中的数字为什么以及代表什么？

Answer 1

您不需要在随机排列之前初始化种子，因为这已经为您设置好了。 根据RandomState的文档：

参数：
种子：{None，int，array_like}，可选的随机种子初始化伪随机数生成器。 可以是整数、任意长度的整数数组（或其他序列）或 None（默认值）。 如果种子为无，则 RandomState 将尝试从 /dev/urandom（或 Windows 模拟）读取数据（如果可用）或从时钟种子读取数据。

种子的概念与随机数的生成有关。 您可以在此处阅读更多相关信息。

为了将此答案与评论（来自 JohnColeman）整合到您的问题中，我想提一下这个例子：

>>> numpy.random.seed(0)
>>> numpy.random.permutation(4)
array([2, 3, 1, 0])
>>> numpy.random.seed(0)
>>> numpy.random.permutation(4)
array([2, 3, 1, 0])

Answer 2

请注意， np.random.seed已弃用，仅保留用于向后兼容。 这是因为重新播种现有的随机数生成器 (RNG) 是不好的做法。 如果您需要种子（例如，使计算可重现以进行测试），请创建一个新的 RNG：

import numpy as np


rng = np.random.default_rng(seed=0)
out = rng.random(5)