我想以一种可预测的方式生成一个随机的种子。
我希望能做这个
seed = 12345
prng_0 = random.Random(seed)
prng_1 = random.Random(prng_0.rand_int(0))这里，0是下界，但是我还需要给予它一个上界，我不想设置一个固定的上界。
如果你对我的原因感到好奇，我这样做是因为我需要在测试时具有可重复性。也就是说，这是一个函数，它接收一个种子并构建其prng，prng_0，然后多次调用另一个函数，该函数每次都需要接收不同的种子。
def funct_a(seed=None):
prng_1 = random.Random(seed)
prng_2 = numpy.random.RandomState(prng_1.randint(0, 4294967296))
print(prng_1.random())
print(prng_2.random())
def funct_b(seed=None):
prng_0 = random.Random(seed)
for i in range(0, 5):
seed = prng_0.randint(0) # not working, needs upper bound
funct_a(seed)
funct_b(12345) # test call编辑：有趣的是，numpy（我也在使用）有一个明确的上限种子值，doc和这个错误证明了这一点
ValueError：种子必须介于0和4294967295之间
3条答案
按热度按时间qacovj5a1#
当我不需要上限时，我通常使用
sys.maxint作为上限的近似值uttx8gqw2#
无法避免上限。如果没有上限，代码将如何工作？下面是代码如何生成
x和y之间的随机数：r是0和1之间的随机小数。这是用固定算法生成的。然后，它将
r乘以上界减去下界。这几乎意味着0变成x，1变成y。如果rand是随机数，则r : (1 - 0) :: rand : (y - x)EDIT：实际上 * 有 * 一种方法可以生成一个没有上限的随机数，但它不是对数的，也不是均匀分布的。看看这个python算法：
基本上，它是从零开始的，然后每次都有0.5的概率返回那个数字;否则它继续。
这意味着它是0的概率为0.5，1的概率为25%，2的概率为12.5%，3的概率为5.25%，等等。
2nbm6dog3#
我没有足够的声誉来评论，但如果我可以补充一下：从字面上看，数学上不存在一个统一的分布在一个无界的整数集（这是正确地指出，在commands）。+1到该评论埃里克Renouf的答案。
对于后代来说，问题是每个可能结果的概率总和必须为1（这是概率分布定义的一部分）。如果选择任何一个整数的概率是正值p〉0，那么当你对无穷多个这样的概率求和时（\sum_np），你会得到无穷大的总和，而不是1。这是任何正p〉0的结果。但是如果p=0，那么你反而会得到0的总和，不是1。你可以说“理论上”不存在没有上限的随机整数。