继承random.Random类后同种子生成不同随机结果的问题

初始代码与预期输出 #

当我们直接继承random.Random且不修改任何方法时，相同种子会生成一致的随机序列：

import random

class MyRandom(random.Random):
    pass

r = random.Random()
r.seed(10)
print(r.randint(0, 20))
print(r.randint(0, 20))
print(r.randint(0, 20))

print("------------")

r2 = MyRandom()
r2.seed(10)
print(r2.randint(0, 20))
print(r2.randint(0, 20))
print(r2.randint(0, 20))

输出：

18
1
13
------------
18
1
13

修改后的代码与意外输出 #

但当我们重写random()方法（哪怕只是调用父类的实现），相同种子的随机序列却发生了变化：

import random

class MyRandom(random.Random):
    def random(self):
        return super().random()

r = random.Random()
r.seed(10)
print(r.randint(0, 20))
print(r.randint(0, 20))
print(r.randint(0, 20))

print("------------")
r2 = MyRandom()
r2.seed(10)
print(r2.randint(0, 20))
print(r2.randint(0, 20))
print(r2.randint(0, 20))

输出：

18
1
13
------------
20
9
6

原因解释 #

这是CPython中random.Random的内部实现逻辑导致的：

• randint方法底层依赖randrange，而randrange有两种生成随机数的路径：
  1. 如果子类没有重写random()，会优先使用_getrandbits方法来生成随机数，这个路径的状态流转和父类完全一致，所以相同种子输出相同序列。
  2. 一旦子类重写了random()，哪怕只是简单转发父类的实现，CPython会默认子类可能未正确实现配套的_getrandbits方法，于是randrange会切换到另一种基于random()的实现逻辑——这个逻辑的随机数生成步骤和_getrandbits路径不同，哪怕种子相同，最终输出的序列也会不一样。

而直接调用random()时，不管有没有重写，都是直接调用父类的random()方法，状态流转完全一致，所以输出不会有差异。

内容的提问来源于stack exchange，提问作者MarcTheSpark