python np.random.seed直观程序理解

permutation(len)返回0~len的一个全排列

第一个程序：

import numpy as np# np.random.seed(42)
ls = np.random.permutation(10)
# np.random.seed(42)
ls_2 = np.random.permutation(10)
# np.random.seed(42)
# ls_add = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2, sep='\n')

运行两次程序的输出：

first:
[3 7 9 5 8 6 2 0 4 1]
[3 8 0 9 6 1 2 7 5 4]
second:
[6 7 4 9 3 5 2 1 8 0]
[0 8 4 9 7 6 2 3 5 1]

两次程序完全不同，并且每次ls和ls_2的输出也不一样

第二个程序：

ls和ls_2的输出不同，但两次运行程序输出相同

import numpy as npnp.random.seed(42)
ls = np.random.permutation(10)
# np.random.seed(42)
ls_2 = np.random.permutation(10)
# np.random.seed(42)
# ls_add = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2, sep='\n')

运行两次程序的输出：

first:
[8 1 5 0 7 2 9 4 3 6]
[0 1 8 5 3 4 7 9 6 2]
second:
[8 1 5 0 7 2 9 4 3 6]
[0 1 8 5 3 4 7 9 6 2]

第三个程序

ls和ls_2的相同且两次程序运行输出也相同


import numpy as npnp.random.seed(42)
ls = np.random.permutation(10)
np.random.seed(42)
ls_2 = np.random.permutation(10)
# np.random.seed(42)
# ls_add = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2, sep='\n')

运行两次程序的输出：

first:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]
second:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]

第四个程序

如果permutation的全排列长度改变？seed还有用吗

import numpy as npnp.random.seed(42)
ls = np.random.permutation(10)
np.random.seed(42)
ls_2 = np.random.permutation(10)
np.random.seed(42)
ls_add = np.random.permutation(14)
np.random.seed(42)
ls_add_2 = np.random.permutation(14)
# print(ls, ls_2, ls_add, sep='\n')
print(ls, ls_2,ls_add, ls_add_2, sep='\n')

两次运行程序输出：

first:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]
second:
[8 1 5 0 7 2 9 4 3 6]
[8 1 5 0 7 2 9 4 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]
[ 9 11 0 12 5 8 2 1 13 4 7 10 3 6]

python np.random.seed直观程序理解相关推荐

np.random.seed(0)作用
在用python时时常会看到如下代码: import numpy as np np.random.seed(0) 其中np.random.seed(0)的作用是使得随机数据可预测,当我们设置相同的se ...
python中random.seed(1)_Python-random.seed()
写在前面的话: 第一次在该平台写东西,而且还是写自己不熟悉的东西哈哈哈. 最近不知道为什么突然对Python很感兴趣,以致于在大后天就要考试的此刻还是想来码一篇关于Python的random.seed ...
random.seed(seed)、np.random.seed(seed)、torch.manual_seed(seed)作用
Python中的random random.seed(seed: int) 设置随机数种子 np.random.seed(seed: int) 设置numpy随机数种子 torch.random.se ...
np.random.seed用法
参考https://stackoverflow.com/questions/21494489/what-does-numpy-random-seed0-do random.seed是随机种子生成器,当 ...
np.random.seed的有效期及固定的种子会有固定的顺序
1 生成数据 import numpy as np arr = np.arange(1,17).reshape(4,4) arr array([[ 1, 2, 3, 4],[ 5, 6, 7, 8] ...
np.random.seed()函数
np.random.seed()函数用于生成指定随机数. seed()被设置了之后,np,random.random()可以按顺序产生一组固定的数组,如果使用相同的seed()值,则每次生成的随机数都 ...
np.random.seed(), torch.manual_seed(args.seed)
np.random.seed() np.random.seed()函数用于生成指定随机数. seed()被设置了之后,np,random.random()可以按顺序产生一组固定的数组; 如果使用相同的 ...
np.random.seed()随机数种子
np.random.seed()随机数种子 np.random.seed()随机数种子 1.随机数种子的理解 2.np.random.seed()的参数 np.random.seed()随机数种子随 ...
python: np.random.rand()； random.randn()； random.randint()
目录 np.random.rand(): np.random.randn(): np.random.randint(): 总结: np.random.rand(): 该函数旨在输出0~1的正态分布随机 ...

python np.random.seed直观程序理解

第一个程序：

第二个程序：

第三个程序

第四个程序

python np.random.seed直观程序理解相关推荐

最新文章

热门文章