在使用numpy时，难免会用到随机数生成器。我一直对np.random.seed()，随机数种子搞不懂。很多博客也就粗略的说，利用随机数种子，每次生成的随机数相同。
我有两个疑惑：1, 利用随机数种子，每次生成的随机数相同。这是什么意思?
2,随机数种子的参数怎么选择？在别人的代码中经常看到np.random.seed(Argument),这个参数不一样，有的是0，有的是１，当然还有其他数。那这个参数应该怎么选择呢？
通过对别的博客的理解，我做了以下几组实验：
１．以np.random.randn()函数为例
import numpy as npif __name__ == '__main__': i = 0 while(i<6): if(i<3): np.random.seed(0) print(np.random.randn(1, 5)) else: print(np.random.randn(1, 5)) pass i += 1 i = 0 while(i<2): print(np.random.randn(1, 5)) i += 1 print(np.random.randn(2, 5)) np.random.seed(0) i = 0 while(i<８): print(np.random.randn(1, 5)) i += 1结果：
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
[[-0.97727788 0.95008842 -0.15135721 -0.10321885 0.4105985 ]]
[[ 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323]]
[[ 0.33367433 1.49407907 -0.20515826 0.3130677 -0.85409574]]
[[-2.55298982 0.6536186 0.8644362 -0.74216502 2.26975462]]
[[-1.45436567 0.04575852 -0.18718385 1.53277921 1.46935877]]
[[ 0.15494743 0.37816252 -0.88778575 -1.98079647 -0.34791215]
[ 0.15634897 1.23029068 1.20237985 -0.38732682 -0.30230275]]
[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]]
[[-0.97727788 0.95008842 -0.15135721 -0.10321885 0.4105985 ]]
[[ 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323]]
[[ 0.33367433 1.49407907 -0.20515826 0.3130677 -0.85409574]]
[[-2.55298982 0.6536186 0.8644362 -0.74216502 2.26975462]]
[[-1.45436567 0.04575852 -0.18718385 1.53277921 1.46935877]]
[[ 0.15494743 0.37816252 -0.88778575 -1.98079647 -0.34791215]]
[[ 0.15634897 1.23029068 1.20237985 -0.38732682 -0.30230275]]
通过该实验我们可以得到以下结论：
1.1．可以看出，像http://blog.csdn.net/linzch3/article/details/58220569这篇博客中提到的，np.random.seed()对后面的随机数一次有效，而不是一直有效，这种说法是错误的。
两次利用随机数种子后，即便是跳出循环后，生成随机数的结果依然是相同的。第一次跳出while循环后，进入第二个while循环，得到的两个随机数组确实和加了随机数种子不一样。但是，后面的加了随机数种子的，八次循环中的结果和前面的结果是一样的。说明，随机数种子对后面的结果一直有影响。随机种子就是像随机生成一串顺序的数，生成之后这串数的位置、大小是不变的，以np.random.seed(1)为例：
首先输入np.random.seed(1)，生成两个（1,5）的数组，只要你不再次输入np.random.seed(1)，那么一直会随机的产生数据，当再次输入np.random.seed(1)时，数据和第一次np.random.seed(1)后产生的数据相同，也就是说只要输入np.random.seed(1)相当于从这串随机数的第一个位置重新开始。
1.2．在同样的随机种子后第六次的随机数生成结果，(结果高亮部分)，两行五列的数组和两个一行五列的数组结果相同。说明，在生成多行随机数组时，是由单行随机数组组合而成的。
现在我们回答了第一个疑惑：利用随机数种子，每次生成的随机数相同。这是什么意思? －－就是使后面的随机数按一定的顺序生成。
2.
import numpy as npif __name__ == '__main__': i = 0 np.random.seed(0) while(i<3): print(np.random.randn(1, 5)) i += 1 i = 0 np.random.seed(1) i = 0 while(i<3): print(np.random.randn(1, 5)) i += 1[[ 1.76405235 0.40015721 0.97873798 2.2408932 1.86755799]][[-0.97727788 0.95008842 -0.15135721 -0.10321885 0.4105985 ]][[ 0.14404357 1.45427351 0.76103773 0.12167502 0.44386323]][[ 1.62434536 -0.61175641 -0.52817175 -1.07296862 0.86540763]][[-2.3015387 1.74481176 -0.7612069 0.3190391 -0.24937038]][[ 1.46210794 -2.06014071 -0.3224172 -0.38405435 1.13376944]]
你可以实验，在你的电脑上，当随机数种子参数为0和1时，生成的随机数和我上面高亮的结果相同。说明该参数指定了一个随机数生成的起始位置。每个参数对应一个位置。并且在该参数确定后，其后面的随机数的生成顺序也就确定了。
所以，现在我们回答了我的第二个疑问：随机数种子的参数怎么选择？我认为随意，这个参数只是确定一下随机数的起始位置。