NumPy - 随机种子在样本量变化时不起作用？

Question

谁能帮我理解为什么当我更改样本量（比如从 3000 到 5000）时，以下代码不会 random_list_2 保持不变？

import numpy as np
np.random.seed(2)
sample_size = 3000

random_list_1 = np.random.randint(low = 1, high = 3, size = sample_size).tolist()
random_list_2 = np.random.randint(low = 100000, high = 1000000000, size = sample_size).tolist()

Answer 1

种子只是 RNG（随机数生成器）的起始值。您生成的每个随机数都会更新种子。当您指定一个起始种子时，您将获得一个确定的、可重复的种子值序列。

当您更改样本大小时，您会更改 randint 调用中的更新数量。在此序列中，第二个调用以前从值 3001 开始，现在从 5001 开始。

random_list_1 = np.random.randint(low = 1, high = 3, size = sample_size).tolist()
random_list_2 = np.random.randint(low = 100000, high = 1000000000, size = sample_size).tolist()

如果您将 sample_size 替换为 1000，您会发现这 1000 个随机整数与原始（大小 3000）调用的最后 1000 个数字相同。在这种情况下，您将获得这 1000 个和另外 4000 个新整数。

如果你想维护random_list_2，那么你需要给它一个稳定的种子：要么给它一个单独的种子，要么切换调用顺序。切换顺序只会将相同的效果转移到 random_list_1.