如何全局设置随机种子以保证循环内随机数生成的一致性？

当然可以，你当前的代码其实已经实现了「全局设置随机种子，让循环内的随机数生成遵循该全局种子」的需求。

背后的原理 #

NumPy的随机数生成器（RNG）本质是一个状态机：

• 当你在循环外调用一次np.random.seed(4)，会初始化全局RNG的初始状态。之后每调用一次np.random.uniform()（或其他随机函数），RNG的状态都会自动推进到下一个节点，所以循环里三次生成的随机数列表是连续状态下的产物，自然各不相同——这正是全局种子生效的表现。
• 如果在循环内重复调用np.random.seed(4)，相当于每次循环都把RNG的状态强制重置回种子4对应的初始状态，所以每次生成的随机数都会完全一致，这是因为每次都是从同一个初始状态开始生成序列。

代码对比验证 #

全局种子（正确用法，已符合需求）

import numpy as np

np.random.seed(4)
for i in range(3):
    print(np.random.uniform(0, 1, 4))

运行结果会输出三组不同的随机数列表，所有生成的数都受全局种子4的控制，只要种子不变，每次运行这段代码得到的三组数都会完全相同。

循环内重复设种子（错误用法）

import numpy as np

for i in range(3):
    np.random.seed(4)
    print(np.random.uniform(0, 1, 4))

运行结果会输出三组完全相同的随机数列表，因为每次循环都重置了RNG状态。

额外提示 #

如果需要独立的随机序列（比如多个不互相干扰的生成器），可以使用np.random.RandomState创建专属实例，示例：

import numpy as np

# 创建独立的RNG实例
rng = np.random.RandomState(4)
for i in range(3):
    print(rng.uniform(0, 1, 4))

这个写法和全局种子的效果一致，但避免了全局状态的干扰，更适合复杂场景。

内容的提问来源于stack exchange，提问作者sam wolfe