如何使每次np.random.choice调用结果不同

如果你想使每次调用np.random.choice的结果不同，可以采用以下两种方法：

1. 每次调用前设置不同的随机数种子，例如：

import numpy as np

for i in range(3):
    np.random.seed(i)
    result = np.random.choice([1, 2, 3], size=3)
    print(result)

这样每次调用np.random.choice时，都会使用不同的随机数种子，生成不同的随机数序列，得到不同的结果。

2. 不设置随机数种子，每次调用时都使用不同的随机数序列，例如：

import numpy as np

for i in range(3):
    result = np.random.choice([1, 2, 3], size=3)
    print(result)

这样每次调用np.random.choice时，都会使用不同的随机数序列，生成不同的随机数，得到不同的结果。这种方法不需要设置随机数种子，但是需要注意，由于生成的随机数是随机的，所以有可能会出现重复的结果。

相关问题

np.random.choice每次调用结果一样

如果每次调用np.random.choice结果一样，可能是因为你没有设置随机数种子(seed)，这会导致每次生成的随机数序列都是一样的。你可以通过设置随机数种子来解决这个问题，例如：

import numpy as np

np.random.seed(123)
result = np.random.choice([1, 2, 3], size=3)
print(result)

每次运行上面的代码，都会得到相同的结果。如果你想每次得到不同的结果，可以使用不同的随机数种子，或者不设置随机数种子。

np.random.choice 随机种子

np.random.choice函数并不直接使用随机种子。随机种子的设置通常是通过np.random.seed函数来实现的，用于指定随机数生成时所用算法开始的整数值。如果使用相同的seed()值，则每次生成的随机数都相同，如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。所以，如果你想要在np.random.choice中使用特定的随机种子，你可以在调用np.random.seed之后再调用np.random.choice函数。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [np.random模块](https://blog.csdn.net/qq_34988996/article/details/119997839)[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^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]