如何让numpy.random.randint生成预期结果？差异原因解析

差异和Colab执行次数有关吗？ #

没关系。np.random.randint生成的是伪随机数，每次结果不同的根本原因是随机数生成器的初始种子不一样，和Colab执行多少次完全无关——哪怕在同一个Colab会话里重复执行，只要没固定种子，结果也会变。

怎么拿到课程里的预期结果？ #

要复现课程里的随机数组，核心是给NumPy的随机数生成器设置和课程完全相同的初始种子。NumPy的随机函数都是基于种子生成的，种子一致，生成的随机序列就完全一致。

具体操作：

• 在调用np.random.randint之前，先执行np.random.seed(xxx)，这里的xxx就是课程演示时用的种子值。
• 如果你不知道课程用的种子，可以多试几个常见值（比如0、1、42），或者写个简单的循环测试不同种子，直到生成的数组和预期匹配。

举个测试示例：

import numpy as np

# 定义课程里的目标数组
target_arr = np.array([[ 3,  9,  4, 10,  9,  2],
                       [ 6,  4,  7, 15,  1, 10],
                       [11,  2,  4,  7,  1, 16],
                       [11, 18, 18, 10, 10,  4],
                       [17,  1,  6, 11, 10, 13]])

# 遍历种子找匹配值
for seed in range(0, 1000):
    np.random.seed(seed)
    test_arr = np.random.randint(0, 20, size=(5, 6))
    if np.array_equal(test_arr, target_arr):
        print(f"找到匹配的种子：{seed}")
        break

找到对应种子后，每次运行前先设置这个种子，就能生成和课程完全一样的数组了。

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