NumPy 随机种子产生不同的随机数

Question

我运行以下代码：

 np.random.RandomState(3)
 idx1 = np.random.choice(range(20),(5,))
 idx2 = np.random.choice(range(20),(5,))  
 np.random.RandomState(3)
 idx1S = np.random.choice(range(20),(5,))
 idx2S = np.random.choice(range(20),(5,))

我得到的输出如下：

idx1:  array([ 2, 19, 19,  9,  4])  
idx1S: array([ 2, 19, 19,  9,  4])  

idx2:  array([ 9,  2,  7, 10,  6]) 
idx2S: array([ 5, 16,  9, 11, 15])

idx1和idx1S匹配，idx2和idx2S不匹配。我希望一旦我为随机数生成器播种并重复相同的命令序列 - 它应该产生相同的随机数序列。这不是真的吗？还是我还缺少其他东西？

Answer 1

我认为你应该使用 RandomState class 如下：

In [21]: r=np.random.RandomState(3)

In [22]: r.choice(range(20),(5,))
Out[22]: array([10,  3,  8,  0, 19])

In [23]: r.choice(range(20),(5,))
Out[23]: array([10, 11,  9, 10,  6])

In [24]: r=np.random.RandomState(3)

In [25]: r.choice(range(20),(5,))
Out[25]: array([10,  3,  8,  0, 19])

In [26]: r.choice(range(20),(5,))
Out[26]: array([10, 11,  9, 10,  6])

基本上，您创建 RandomState 的实例 r 并进一步使用它。可以看出，re-sided 产生相同的结果。

Answer 2

您将 RandomState 与 seed 混淆了。您的第一行构造一个对象，然后您可以将其用作随机源。比如我们让

>>> rnd = np.random.RandomState(3)
>>> rnd
<mtrand.RandomState object at 0xb17e18cc>

然后

>>> rnd.choice(range(20), (5,))
array([10,  3,  8,  0, 19])
>>> rnd.choice(range(20), (5,))
array([10, 11,  9, 10,  6])
>>> rnd = np.random.RandomState(3)
>>> rnd.choice(range(20), (5,))
array([10,  3,  8,  0, 19])
>>> rnd.choice(range(20), (5,))
array([10, 11,  9, 10,  6])

[我不明白为什么你的 idx1 和 idx1S 同意——但你实际上没有 post 一个独立的抄本，所以我怀疑用户错误。 ]

如果你想影响全局状态，使用seed:

>>> np.random.seed(3)
>>> np.random.choice(range(20),(5,))
array([10,  3,  8,  0, 19])
>>> np.random.choice(range(20),(5,))
array([10, 11,  9, 10,  6])
>>> np.random.seed(3)
>>> np.random.choice(range(20),(5,))
array([10,  3,  8,  0, 19])
>>> np.random.choice(range(20),(5,))
array([10, 11,  9, 10,  6])

使用特定的 RandomState 对象一开始可能看起来不太方便，但是当您需要可以调整的不同熵流时，它会让很多事情变得更容易。

NumPy 随机种子产生不同的随机数

NumPy random seed produces different random numbers

python

random

numpy