如何让numpy default_rng与内置RNG生成相同随机数？

numpy的旧版随机数API（np.random.*）和新版Generator API（np.random.default_rng）默认使用不同的随机数算法：

• 旧API基于Mersenne Twister（MT19937）算法，依赖全局状态，容易被其他脚本修改导致结果不稳定
• 新版default_rng默认使用PCG64算法，采用独立实例管理状态，不会受全局状态影响

这就是相同种子下，np.random.randint和rng.integers输出不同的核心原因。

解决方案：用MT19937创建独立解耦的RNG #

要生成和旧API一致的随机数，同时保持状态独立，只需让新版Generator使用和旧API相同的MT19937算法：

import numpy as np

def builtin(seed=0):
    np.random.seed(seed)
    print(np.random.randint(0, 10, 5))

def decoupled_rng(seed=0):
    # 基于MT19937算法创建独立的BitGenerator
    bit_generator = np.random.MT19937(seed)
    # 生成独立的RNG实例
    rng = np.random.Generator(bit_generator)
    # 调用integers方法，参数逻辑和randint一致（左闭右开区间）
    print(rng.integers(0, 10, 5))

# 现在两者结果完全一致，且decoupled_rng的状态不受全局RNG影响
builtin()
decoupled_rng()

运行后输出均为：[5 0 3 3 7]

解耦的核心优势 #

• 独立RNG实例的状态完全隔离，其他脚本调用np.random.seed或修改全局RNG状态，不会影响该实例的输出
• 后续可直接用该独立实例生成各类随机数（如rng.random()、rng.normal()等），彻底避免全局状态污染问题

内容的提问来源于stack exchange，提问作者flawr