如何根据 numpy 文档避免 numpy.random.seed 的最佳实践？

Question

在修复随机种子以实现可重复性的过程中，我发现了很好的 SO 答案，其中包含numpy.random.seed(123)的内容，然后被最后的numpy.random.seed 文档（从 2020 年 6 月起）弄糊涂了。

这是一个方便的传统 function。 最佳做法是不要重新植入 BitGenerator，而是重新创建一个新的。

我的理解是它创造了新的随机状态。 那么如何使用这些来实现重现性呢？ Bellow 是随文档和随机测试一起提供的示例代码。 有人可以告诉我如何使用rs来修复统一采样rand()吗？

from numpy.random import MT19937
from numpy.random import RandomState, SeedSequence, rand 

rs = RandomState(MT19937(SeedSequence(123456789)))

rs = RandomState(MT19937(SeedSequence(987654321)))

rand()

Answer 1

rs设置为看似随机（但显然不是）数字的可重现序列。 所有随机数功能都可供您使用。

>>> rs = RandomState(MT19937(SeedSequence(123456789)))
>>> rs.random(20)
array([0.16693771, 0.1963513 , 0.75563051, 0.72778686, 0.88007369,
       0.15063958, 0.27400923, 0.88465501, 0.6783961 , 0.40250501,
       0.58925838, 0.32977293, 0.42650604, 0.24460162, 0.7896271 ,
       0.98224806, 0.25327893, 0.32868043, 0.06819438, 0.62491713])
// Show that the results are reproducible
>>> rs = RandomState(MT19937(SeedSequence(123456789)))
>>> rs.random(20)
array([0.16693771, 0.1963513 , 0.75563051, 0.72778686, 0.88007369,
       0.15063958, 0.27400923, 0.88465501, 0.6783961 , 0.40250501,
       0.58925838, 0.32977293, 0.42650604, 0.24460162, 0.7896271 ,
       0.98224806, 0.25327893, 0.32868043, 0.06819438, 0.62491713])