np.random.randomstate

在NumPy库中，np.random.RandomState是一个伪随机数生成器的类。通过创建一个RandomState对象，我们可以使用它的方法生成随机数。其中，传入的参数n是种子，只要种子相同，生成的随机数序列也相同。比如，np.random.RandomState(2)创建了一个种子为2的RandomState对象。我们可以使用它的rand()方法生成随机数。如下所示：

import numpy as np

rng = np.random.RandomState(2)
x = rng.rand(4)
print(x)

这段代码将生成一个长度为4的随机数序列，结果为。每次执行这段代码，得到的随机数序列都是相同的，因为种子参数是固定的。你也可以通过调用np.random.seed()函数来设置全局的随机数种子。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [np.random.RandomState(n)的用法](https://blog.csdn.net/dd_souga/article/details/127287463)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [np.random.RandomState()和np.random.seed()的区别](https://blog.csdn.net/weixin_45670020/article/details/119754654)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]