Python中用numpy.random.randint生成3组不同随机数出错求助

嘿，我来帮你排查这个问题！作为K-Means初学者，遇到随机数重复的问题太常见了，咱们一步步来拆解原因和解决办法：

最常见的错误：重复设置固定随机种子 #

你大概率是在每次迭代时都调用了np.random.seed(某个固定值)，比如像下面这样：

import numpy as np

for _ in range(3):
    np.random.seed(42)  # 每次循环都重置种子到同一个值！
    centroids = np.random.randint(0, 100, size=(3, 2))  # 生成3组二维随机数作为质心
    print(centroids)

每次调用np.random.seed(固定值)都会把随机数生成器的状态重置到初始点，所以每次迭代生成的随机数序列完全一样。

正确的做法 #

1. 只设置一次随机种子（推荐用于可复现场景） #

把种子设置放在循环外面，这样生成器只会初始化一次，每次迭代都会推进状态，生成不同的随机数：

import numpy as np

np.random.seed(42)  # 仅初始化一次，保证实验可复现
for _ in range(3):
    centroids = np.random.randint(0, 100, size=(3, 2))
    print(centroids)

2. 使用numpy推荐的新随机数生成器（更灵活） #

numpy 1.17+推荐使用np.random.Generator API，它比旧的np.random模块更清晰，也能避免很多状态混乱的问题：

import numpy as np

# 初始化生成器，不设置seed则用系统随机源（每次运行结果不同）
rng = np.random.default_rng()
# 如果需要可复现，就设置seed：rng = np.random.default_rng(seed=42)

for _ in range(3):
    centroids = rng.integers(0, 100, size=(3, 2))  # 对应旧的randint
    print(centroids)

3. 生成无重复的随机数（如果你的“不同”指组内无重复） #

如果你的需求是每组随机数内部没有重复值（比如K-Means的质心不能选同一个样本），可以用choice方法并关闭替换：

# 生成3组，每组5个0-100之间不重复的随机数
for _ in range(3):
    group = rng.choice(np.arange(100), size=5, replace=False)
    print(group)

其他可能的排查点 #

• 确认生成随机数的代码是在循环内部执行的，而不是在循环外生成一次后重复打印同一个变量；
• 如果你的代码依赖其他库（比如sklearn），检查是否有其他地方重置了随机种子。

内容的提问来源于stack exchange，提问作者Omkar