np.random.seed()随机数种子

随机数种子！以下均为个人理解，有误及时修改
在生成随机数时，我们可以利用随机数种子，控制生成的随机数。什么意思，就是说我可以利用随机数种子，得到相同的或部分形同的随机数。

1.随机数种子的理解

随机数种子，相当于我给接下来需要生成的随机数一个初值，按照我给的这个初值，按固定顺序生成随机数。
个人觉得通俗理解： 随机数种子是给了一批数（随机数种子应该是按一定顺序生成随机数的，并不是一次给了一批数，但如果这些数有固定顺序，我们是不是可以简单认为随机种子给了我们很多数据），当需要生成随机数时，就从这一批数中依次取值。

看例子吧：
（1）

np.random.seed(0)  # 先定义一个随机数种子，()中的参数值后下个小节说
print(np.random.rand(5))  # "随机"生成5个数
print(np.random.rand(5))  # 再"随机"生成5个数

np.random.seed(0)
for i in range(7):
    print(np.random.random())  # "随机"生成7个数

在代码中，我们看到 “ 随机 ” ，那就是说并不是真正随机（假随机），观察结果就知道了！

# 结果
[0.5488135  0.71518937 0.60276338 0.54488318 0.4236548 ]
[0.64589411 0.43758721 0.891773   0.96366276 0.38344152]

0.5488135039273248
0.7151893663724195
0.6027633760716439
0.5448831829968969
0.4236547993389047
0.6458941130666561
0.4375872112626925

观察结果：下边的 ‘ 随机 ’ 生成的7个数和上边 ‘ 随机 ’ 生成的十个数中的前7个相同。
为什么呢？
因为开始我们设置了一个随机种子，接下来生成的十个数是有固定顺序的（这顺序是什么？i dont know！）。为了方便理解，我们把随机种子看成一个超级超级长的 list ，我们接下来的取随机数操作，（ np.random.rand(5) ）就是从这个 list 中依次取5个随机数，然后（ np.random.rand(5) ）再取5个随机数。当然，你说它不是 list 是 数组 ，OK！随你，只是为了方便理解。
为什么后边生成的7个 “随机” 数和之前的前7个数相同呢？
这是因为在生成这7个 ‘随机’ 数之前，又重新定义了一个随机数种子 （ np.random.seed(0) ）。定义随机数种子，不就是定义了一个超级超级长的 list 吗 ？，这个 list 和之前的 list 是一样的！！！，所以我们取7个 ‘随机’ 数，不就是这个 list 中的前7个吗！

（2）再来看一个例子

np.random.seed(0)
for i in range(7):
    print(np.random.random())

np.random.seed(0)
print(np.random.rand(2, 3))

放结果，观察

0.5488135039273248
0.7151893663724195
0.6027633760716439
0.5448831829968969
0.4236547993389047
0.6458941130666561
0.4375872112626925

[[0.5488135  0.71518937 0.60276338]
 [0.54488318 0.4236548  0.64589411]]

2x3矩阵的6个数 和 随机生成的前6个数相同！不需要解释了吧，所以如果我想生成两个一样的随机矩阵怎么办？是不是在生成矩阵前，定义随机数种子就好了。

总结：
（1）随机数种子相当于给我们一个初值，之后按照固定顺序生成随机数（也就是我们说的超级长的 list ）
（2）随机数种子对后面的结果一直有影响，在一个随机数种子后生成的随机数都受这个随机数种子的影响，即生成的随机数都是由这个随机数种子给的初值，按照固定顺序生成的（生成的随机数受离它最近的随机数种子影响，即它之前的随机数种子）。
那么问题来了，随机数种子的初值和顺序由啥决定呢？下一小节！

2.np.random.seed()的参数

个人理解：随机数种子给的初值和顺序是一个意思，因为这个顺序并不知道，所以可以认为是由初值决定，也可以理解为生成的超级超级大的 list 。
那这个初值是怎么决定的呢，是np.random.seed()中的参数决定，只要每次这个参数相同，那我们的初值就是相同的，种子就是相同的。
种子相同，之后长得枝条就是相同的： 即 list 是相同的。
（1）是第一小节的例子，np.random.seed(0) ，参数都是 0 。

np.random.seed(0)
for i in range(7):
    print(np.random.random())

np.random.seed(0)
print(np.random.rand(2, 3))

0.5488135039273248
0.7151893663724195
0.6027633760716439
0.5448831829968969
0.4236547993389047
0.6458941130666561
0.4375872112626925

[[0.5488135  0.71518937 0.60276338]
 [0.54488318 0.4236548  0.64589411]]

（2）

np.random.seed(0)
print(np.random.rand(2, 3))

np.random.seed(1)
print(np.random.rand(2, 3))

np.random.seed(0)
print(np.random.rand(2, 3))

结果：这个例子也证实了上一小节的总结（2）

[[0.5488135  0.71518937 0.60276338]
 [0.54488318 0.4236548  0.64589411]]
 
[[4.17022005e-01 7.20324493e-01 1.14374817e-04]
 [3.02332573e-01 1.46755891e-01 9.23385948e-02]]

[[0.5488135  0.71518937 0.60276338]
 [0.54488318 0.4236548  0.64589411]]

最后！！！，这个参数好像是随便取的，可以认为是初值的标志，每次按照这个标志都可以得到相同的初值。但是这个参数好像必须是int类型吧。