不同numpy函数的种子

【问题标题】：seed for different numpy functions不同numpy函数的种子
【发布时间】：2020-10-29 17:59:25
【问题描述】：

    a = (np.random.rand(10) > 0.1).astype(int)
    b = np.random.binomial(1, 0.9, 10)
    c = np.random.choice([0, 1], 10, [0.1, 0.9])

numpy 中至少有 3 种不同的方式，通过它们我可以获得 0 和 1 的数组（它们以一定的概率 p 相加（例如 p=0.9））。当我使用np.random.seed(1) 时，某些方法总是返回相同的数组。但是，即使使用相同的种子，上述所有方法都会创建不同的数组。发生这种情况是因为它们都有不同的 PRNG 算法，还是只是其中一些不受 np.random.seed(1) 的影响？

【问题讨论】：

当给定相同的种子时，每个方法是否总是创建与该方法先前运行相同的数组？换句话说，它们只是彼此不同但仍然自洽吗？
这是因为他们使用随机数流执行不同的计算以选择值。
是的，它们是自洽的，彼此不同

标签： python numpy random

【解决方案1】：

不同的方法以不同的方式使用伪随机数流，这就是为什么它们不会产生相同的样本，即使您在每个样本之前以相同的方式播种生成器。

考虑一种额外的方法（用于下面的变量b）可能会更清楚。

np.random.seed(1)
a = (np.random.rand(10) > 0.1).astype(int)
np.random.seed(1)
b = (np.random.rand(10) < 0.9).astype(int)

这两种方法都将生成概率为0.9 的方法，并且它们在调用rand 时绘制相同的基础数字（因为它们的种子相同）。例如，如果从对rand 的调用中采样0.02，则a 中的对应元素将为0，b 中的对应元素将为1。这类似于您在使用其他方法生成样本时观察到的差异。

【讨论】：