为何使用相同种子时Numpy两种随机数生成器输出不同？

这是因为你用到的是Numpy里两种完全独立的随机数生成器实现，核心差异在于：

• np.random.randint 属于Numpy旧版的全局随机数系统，底层采用Mersenne Twister（MT19937）算法，np.random.seed(40) 是给这个全局的MT19937实例设置种子。
• np.random.default_rng(seed=40) 创建的是Numpy 1.17+推出的新版Generator对象，默认使用PCG64算法——这是一种更现代、统计特性更优的随机数生成算法。

随机数的生成完全依赖算法的初始化逻辑和内部状态，哪怕种子数值相同，不同算法的初始化过程、后续生成的随机序列也完全没有关联，所以调用对应的整数生成方法时，输出结果自然不一样。

你可以进一步验证两者的序列差异：

# 旧版全局生成器的序列
import numpy as np
np.random.seed(40)
print(np.random.randint(-3, 4))  # 输出3
print(np.random.randint(-3, 4))  # 输出-1

# 新版Generator的序列
rng = np.random.default_rng(seed=40)
print(rng.integers(-3, 4))       # 输出0
print(rng.integers(-3, 4))       # 输出1

Numpy官方推荐在新代码中优先使用default_rng创建的Generator对象，不仅随机性更可靠，还能避免全局随机状态带来的潜在问题。

内容的提问来源于stack exchange，提问作者Simd