np.random.shuffle随机性问题：指定种子后数组洗牌结果不一致的解决方法

问题原因 #

每次调用np.random.shuffle()时，都会推进numpy全局随机数生成器的状态。第一次洗牌后，随机状态已改变，第二次洗牌使用的是更新后的状态，因此两个数组的洗牌结果不同。

解决方案 #

方案1：每次洗牌前重置随机种子

通过在每次洗牌前重新设置相同的随机种子，让两次洗牌使用完全相同的随机序列：

import numpy as np

i = np.array([0, 1, 2, 3, 4, 5, 6, 7])
j = np.array([0, 1, 2, 3, 4, 5, 6, 7])

# 第一次洗牌前设置种子
np.random.seed(42)
np.random.shuffle(i)

# 第二次洗牌前再次设置相同种子
np.random.seed(42)
np.random.shuffle(j)

print(i, j)
# 输出：[1 5 0 7 2 4 3 6] [1 5 0 7 2 4 3 6]

方案2：生成一次随机索引复用（推荐）

先生成一组随机排列的索引，再用该索引对多个数组进行重排，避免重复操作随机数生成器：

import numpy as np

np.random.seed(42)
i = np.array([0, 1, 2, 3, 4, 5, 6, 7])
j = np.array([0, 1, 2, 3, 4, 5, 6, 7])

# 生成对应长度的随机排列索引
shuffle_indices = np.random.permutation(len(i))

# 用同一索引重排两个数组
i_shuffled = i[shuffle_indices]
j_shuffled = j[shuffle_indices]

print(i_shuffled, j_shuffled)
# 输出：[1 5 0 7 2 4 3 6] [1 5 0 7 2 4 3 6]

方案对比 #

• 方案1实现简单，但多次重复设置种子可能导致随机序列重复，适合单次、少量洗牌场景。
• 方案2只生成一次随机索引，可复用在任意多个同长度数组上，效率更高，是更通用的解决方案。

内容的提问来源于stack exchange，提问作者Zihao Wang