为什么 numpy 和 random 模块为同一个种子提供不同的随机数？

Question

对于同一个种子，为什么 random.random() 与 numpy.random() 相比会产生不同的随机值。我的理解是它们都使用 Mersenne Twister 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

random 模块和 numpy.random 都使用 mt19937 来生成随机数。因此，我们可以将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 引擎似乎给出了相同的结果。这似乎意味着种子函数的实现方式不同。