如何在Python函数内局部设置NumPy随机种子而不影响全局状态？

不需要手动保存和恢复全局随机状态，最直接的方法是在函数内部创建独立的随机生成器实例，彻底和全局随机状态隔离。

推荐写法（NumPy 1.17+，官方推荐） #

使用np.random.default_rng创建专属的随机生成器，完全不影响全局np.random的状态：

import numpy as np

def random():
    # 函数内创建独立随机生成器，种子设为420
    rng = np.random.default_rng(seed=420)
    rng.randint(1, 100)
    rng.randint(1, 100)
    return None

np.random.seed(69)
for n in range(3):
    np.random.randint(1,100) # 输出：55,76,74
random()
for n in range(3):
    print(np.random.randint(1,100)) # 输出：91,56,21

兼容旧版NumPy的写法 #

如果使用低于1.17的NumPy版本，可以用RandomState创建独立实例：

def random():
    rng = np.random.RandomState(seed=420)
    rng.randint(1, 100)
    rng.randint(1, 100)
    return None

为什么这个方案更优 #

• 代码简洁，不用手动处理全局状态的保存与恢复，避免遗漏导致的bug
• 函数的随机逻辑完全独立，不会和全局或其他函数的随机操作互相干扰
• 新版GeneratorAPI支持更多随机分布，功能比旧版更完善

内容的提问来源于stack exchange，提问作者Abilash