相同随机种子下两种NumPy随机抽样方法结果不同原因咨询

核心原因非常直接：numpy的全局随机数生成器是按调用顺序逐次消耗固定随机数流的，两种写法的随机数取用顺序完全不同，哪怕种子一致，最终生成的抽样结果也会出现明显差异。

随机数生成的基本规则 #

当你调用np.random.seed(1)时，numpy会把全局随机数生成器重置为初始状态，生成一个位置固定、顺序固定的随机数序列。之后每调用一次随机数生成函数，就会从这个序列的当前位置开始，取对应数量的随机数做分布映射，用过的随机数不会被重复取用，位置指针会向后移动对应长度。

两种写法的取数逻辑差异 #

两种写法最终都消耗了40个随机数，但取用顺序完全不同：

• 方法1是「批量先抽x，再批量抽y」
  对应代码：

  np.random.seed(1)
  x1 = np.random.uniform(low=-10, high=10, size=20)
  y1 = np.random.uniform(low=20, high=80, size=20)
  

  第一行抽样会直接取序列里的前20个随机数，全部映射到[-10,10]的均匀区间生成x1数组，此时指针移动到第21个随机数的位置；第二行抽样接着取第21到40个随机数，全部映射到[20,80]区间生成y1数组。
• 方法2是「逐点交替抽x和y」
  对应代码：

  N = 20
  np.random.seed(1)
  points = [(np.random.uniform(-10,10), np.random.uniform(20,80)) for i in range(N)]
  

  循环每跑一轮，就先后调用两次单值抽样：先取1个随机数映射成当前点的x，再取下1个随机数映射成当前点的y。整个循环跑完，总共取了20轮，随机数的取用顺序是：第1个给第1个点的x、第2个给第1个点的y、第3个给第2个点的x、第4个给第2个点的y……直到第40个给第20个点的y。也就是说x坐标只用了序列里的所有奇数位随机数，y坐标用了所有偶数位随机数。

直观验证 #

你可以对比两边的输出：方法2第一个点的x值-1.6595599059485195和方法1x1数组的第一个值完全一致，这是因为两者对第一个随机数的使用方式完全相同。但从第二个随机数开始，用法就完全错位了：方法1拿第二个随机数继续生成x1的第二个元素，方法2拿第二个随机数生成第一个点的y值，后续所有随机数的使用场景全部错开，最终结果自然差异明显。

注：numpy批量抽样（传入size参数一次性生成多个值）和逐次单值抽样的底层映射算法完全一致，不存在批量生成导致的结果偏差，差异来源只有取数顺序的不同。

内容的提问来源于stack exchange，提问作者IceAloe