为什么 numpy 和 random 模块为同一种子提供不同的随机数？

Question

对于相同的种子，为什么 random.random() 与 numpy.random() 相比会产生不同的随机值。我的理解是他们都使用梅森扭曲函数来生成随机值。

import random as rnd
import numpy as np

rnd.seed(1)
np.random.seed(1)

rnd.random()
np.random.rnd()

0.13436...

0.41702...

Answer 1

随机模块和numpy.random都使用mt19937生成随机数。因此，我们可以将其中一个生成器的状态从一个生成器复制到另一个生成器，以查看它们是否具有相同的底层实现。

import random as rnd
import numpy as np

# seed numpy
np.random.seed(1)

# get state from numpy
state = [int(s) for s in list(np.random.get_state()[1])]
state.append(624)
state = tuple(state)
state = (3, tuple(state), None)

# set state for python 
rnd.setstate(state)

print(rnd.random())
print(np.random.rand())

0.417022004702574

0.417022004702574

如果手动将状态设置为相同，则使用的 mt19937 引擎似乎会给出相同的结果。这似乎暗示种子函数的实现方式不同。