如何保证np.random.randint(100)每次随机的结果是一致的？

为了保证`np.random.randint(100)`每次生成的随机结果是一致的，需要在每次运行代码时使用相同的随机种子。

在Python中，伪随机数生成器（PRNG）是通过设置随机种子来产生随机序列的。通过使用相同的随机种子，可以确保每次生成的随机序列是相同的。

在这段代码中，`np.random.randint(100)`会生成一个0到99之间的随机整数作为随机种子。如果每次运行代码时都使用相同的随机种子，那么`np.random.randint(100)`生成的结果也将是一致的。

可以通过在代码中固定随机种子的值来实现这一点，例如将`np.random.randint(100)`替换为一个固定的整数值，如`42`。这样，在每次运行代码时都使用固定值作为随机种子，就可以保证生成的随机结果是一致的。

相关问题

np.random.random和np.random.randint 的区别

`np.random.random()`和`np.random.randint()`都是numpy库中用于生成随机数的函数，但它们生成随机数的方式不同。

`np.random.random()`生成[0,1)之间均匀分布的随机数，可以通过参数size指定生成的随机数的形状，例如：

import numpy as np
random_array = np.random.random(size=(3, 2)) # 生成一个3行2列的随机数数组
print(random_array)

输出：

[[0.12345678 0.98765432]
 [0.87654321 0.54321098]
 [0.23456789 0.3456789 ]]

`np.random.randint()`生成指定范围内的随机整数，可以通过参数low和high指定随机整数的范围，参数size指定生成的随机数的形状，例如：

import numpy as np
random_int_array = np.random.randint(low=0, high=10, size=(3, 2)) # 生成一个3行2列的0-9之间的随机整数数组
print(random_int_array)

输出：

[[7 5]
 [4 9]
 [2 3]]

np.random.randint np.random.random_integer

`np.random.randint` 和 `np.random.random_integer` 在 NumPy 中是没有的，可能是您写错了。但是，NumPy 中确实有两个类似的随机函数：`np.random.randint` 和 `np.random.random`。

`np.random.randint` 用于生成随机整数，语法为：

numpy.random.randint(low, high=None, size=None, dtype='l')

其中，`low` 和 `high` 分别为随机整数的最小值和最大值（左闭右开区间），`size` 为生成随机整数的数组形状，`dtype` 为数组元素的数据类型。

`np.random.random` 用于生成随机浮点数，语法为：

numpy.random.random(size=None)

其中，`size` 为随机浮点数的数组形状。

需要注意的是，`np.random.random` 生成的随机浮点数的范围是 [0,1) 的均匀分布，而 `np.random.randint` 生成的随机整数的范围是 [low, high) 的离散均匀分布。如果需要生成指定范围的随机浮点数，可以使用 `np.random.uniform` 函数。