aléatoire.de la graine(): pour Quoi faire?

Pseudo-générateurs de nombres aléatoires de travail en effectuant une opération sur une valeur. Généralement, cette valeur est le nombre précédent généré par le générateur. Cependant, la première fois que vous utilisez le générateur, il n'y a aucune valeur précédente.

L'ensemencement d'une pseudo-random number generator lui donne son premier "précédent" de la valeur. Chaque valeur de départ correspond à une séquence de valeurs générées par un générateur de nombre aléatoire. C'est, si vous fournir le même graines deux fois, vous obtenez la même séquence de nombres à deux reprises.

En général, vous voulez des graines de votre générateur de nombre aléatoire avec une valeur qui va changer à chaque exécution du programme. Par exemple, l'heure actuelle est souvent de semences. La raison pour laquelle cela ne se fait pas automatiquement de sorte que si vous voulez, vous pouvez donner un spécifique de la graine pour obtenir une séquence connue de nombres.

>>> random.seed(9001)   
>>> random.randint(1, 10)  
1     
>>> random.seed(9001)     
>>> random.randint(1, 10)    
1           
>>> random.seed(9001)          
>>> random.randint(1, 10)                 
1                  
>>> random.seed(9001)         
>>> random.randint(1, 10)          
1     
>>> random.seed(9002)                
>>> random.randint(1, 10)             
3

De l'essayer. Disons aléatoire.graine " donne une valeur aléatoire générateur de valeur ('random.randint()') qui génère ces valeurs sur la base de cette graine. Une des propriétés de nombres aléatoires est qu'ils doivent être reproductibles. Une fois que vous mettez de la même graine que vous obtenez le même modèle de nombres aléatoires. Donc, vous êtes la génération dès le départ à nouveau. Vous donner une autre graine, il commence avec une initiale différente (plus de 3).

Vous avez donné une graine maintenant, il va générer des nombres aléatoires entre 1 et 10, l'un après l'autre. Donc on peut penser que l'un un ensemble de nombres pour une valeur de départ.

Seed() can be used for later use ---

Example:
>>> import numpy as np
>>> np.random.seed(12)
>>> np.random.rand(4)
array([0.15416284, 0.7400497 , 0.26331502, 0.53373939])
>>>
>>>
>>> np.random.seed(10)
>>> np.random.rand(4)
array([0.77132064, 0.02075195, 0.63364823, 0.74880388])
>>>
>>>
>>> np.random.seed(12) # When you use same seed as before you will get same random output as before
>>> np.random.rand(4)
array([0.15416284, 0.7400497 , 0.26331502, 0.53373939])
>>>
>>>
>>> np.random.seed(10)
>>> np.random.rand(4)
array([0.77132064, 0.02075195, 0.63364823, 0.74880388])
>>>

# Simple Python program to understand random.seed() importance

import random

random.seed(10)

for i in range(5):    
    print(random.randint(1, 100))

Exécuter le programme ci-dessus plusieurs fois...

1ère tentative: imprime 5 entiers aléatoires dans la gamme de 1 à 100

2ème tentative: imprime même 5 nombres aléatoires est apparu au-dessus d'exécution.

3ème tentative: même

.....Donc sur

Explication: à Chaque fois que nous sont en cours d'exécution du programme ci-dessus nous avons mise en de la graine à 10, puis générateur aléatoire prend cela comme une variable de référence. Et puis en faisant un peu de formule prédéfinie, il génère un nombre aléatoire.

Par conséquent, l'installation de la graine à 10 lors de la prochaine exécution fixe à nouveau le numéro de référence à 10 et encore le même comportement commence...

Dès que nous réinitialisation de la valeur de départ, il donne les mêmes plantes.

Remarque: le Changement de la valeur de départ et d'exécuter le programme, vous verrez une séquence aléatoire différente de la précédente.

Voici un petit test qui montre que l'alimentation de la seed() méthode avec le même argument peut provoquer le même pseudo-aléatoire:

# testing random.seed()

import random

def equalityCheck(l):
    state=None
    x=l[0]
    for i in l:
        if i!=x:
            state=False
            break
        else:
            state=True
    return state


l=[]

for i in range(1000):
    random.seed(10)
    l.append(random.random())

print "All elements in l are equal?",equalityCheck(l)

Définir la seed(x) avant de générer un ensemble de nombres aléatoires et de l'utilisation de la même graine de générer le même ensemble de nombres aléatoires. Utile en cas de reproduction de l'questions.

>>> from random import *
>>> seed(20)
>>> randint(1,100)
93
>>> randint(1,100)
88
>>> randint(1,100)
99
>>> seed(20)
>>> randint(1,100)
93
>>> randint(1,100)
88
>>> randint(1,100)
99
>>>