为何numpy随机数生成器在for循环中生成相同参数值？

我实现了蒙特卡洛策略，基于次优参数初始点估计模型参数。为评估最优值周边的不同情况，我使用numpy.random.uniform(min, max)生成随机数，代码如下：

for j in range(iterations): 
    print(" PERFORMING ITERATION: " + str(j+1)+' OF '+ str(iterations) )#+ (" - CASE: " + str(count) + " / " + str(len(aux_it))))
    # WIDE PARAMETRIC SPACE
    parameters = []
    for k in list(ap.keys()):
        p_0 = np.random.uniform(ap[k][0],ap[k][1])
        parameters.append(p_0)

    if True:
        with warnings.catch_warnings():
            warnings.simplefilter('error')
            print('parameters: ',parameters)
            mse,var1,var2 = ridge_mse2(np.array(parameters),tagsUext,P1)

但我发现从j=1开始，parameters的值不再变化。直到在构建parameters的for循环前设置随机数种子np.random.seed(j)，代码如下：

for j in range(iterations): 
    print(" PERFORMING ITERATION: " + str(j+1)+' OF '+ str(iterations) )#+ (" - CASE: " + str(count) + " / " + str(len(aux_it))))
    # WIDE PARAMETRIC SPACE
    parameters = []
    np.random.seed(j)
    for k in list(ap.keys()):
        p_0 = np.random.uniform(ap[k][0],ap[k][1])
        parameters.append(p_0)
    
    if True:
        with warnings.catch_warnings():
            warnings.simplefilter('error')
            print('parameters: ',parameters)
            mse,var1,var2 = ridge_mse2(np.array(parameters),tagsUext,P1)

请问这一现象的原因是什么？

原因分析 #

• 核心问题出在你调用的ridge_mse2函数内部：它大概率重置了numpy的随机种子，或者调用了其他会固定/重置随机数生成器状态的代码。
• 第一次迭代（j=0）时，系统默认的随机种子生成了一组随机参数；但ridge_mse2执行完毕后，随机数生成器的状态被重置为某个固定值（比如种子0），导致后续每次循环调用np.random.uniform时，都是从同一个起点生成随机数，自然得到完全相同的parameters。
• 手动添加np.random.seed(j)后，每次循环都会用递增的j值作为新种子初始化随机数生成器，覆盖了ridge_mse2内部的种子重置操作，所以每次能生成不同的随机参数。

你可以通过在ridge_mse2调用前后打印np.random.get_state()来验证：对比两次打印的结果，如果状态完全一致，就说明该函数修改了随机数生成器的状态。

内容的提问来源于stack exchange，提问作者Ana Dias