如何在不修改函数foo的情况下控制其numpy随机种子且不影响其他函数？

你说的没错，直接用with np.random.seed(0):是行不通的，因为np.random.seed()并不是上下文管理器，它只是一次性设置全局随机种子，不会自动恢复之前的状态。而你没法修改foo()的内部实现，所以也没法让它使用独立的RandomState实例——毕竟foo()调用的是np.random模块下的全局随机函数，和你自己创建的rng完全是两个独立的状态。

不过有两种靠谱的方法可以实现你想要的效果：在foo()运行时临时替换全局随机种子，运行完再恢复原来的状态，完全不影响bar()的随机序列。

方法一：手动保存和恢复随机状态 #

这是最直接的方式，不需要额外封装，手动控制状态的保存与恢复：

import numpy as np

def bar():
    print("bar随机数:", np.random.rand())

def foo():
    print("foo随机数:", np.random.rand())

# 正常运行bar，使用默认随机状态
bar()

# 保存当前全局随机状态
original_state = np.random.get_state()
# 设置临时种子
np.random.seed(0)
# 运行foo，此时用的是种子0对应的状态
foo()
# 恢复原来的随机状态
np.random.set_state(original_state)

# 再次运行bar，回到原来的随机序列
bar()

运行这段代码你会发现，两次bar()的输出是连续的随机数，而foo()的输出固定为种子0对应的第一个随机数，完全符合你的需求。

方法二：封装成上下文管理器（更优雅的with语句方式） #

如果你希望用with语法来实现，自己写一个简单的上下文管理器就可以了，这样代码更整洁：

import numpy as np
from contextlib import contextmanager

@contextmanager
def numpy_seed_context(seed):
    # 保存原始状态
    original_state = np.random.get_state()
    try:
        # 设置新种子
        np.random.seed(seed)
        yield
    finally:
        # 不管是否出错，都恢复原始状态
        np.random.set_state(original_state)

# 用法和你想要的完全一致：
bar() # 使用正常随机种子
with numpy_seed_context(0):
    foo() # 临时使用种子0
bar() # 回到正常随机种子

这个上下文管理器会自动处理状态的保存和恢复，就算foo()运行时抛出异常，也能保证原始随机状态被恢复，不会影响后续代码。

补充说明 #

为什么你提到的rng = random.Random(42)方案没用？因为numpy的np.random模块和标准库random模块是完全独立的，而且foo()调用的是np.random的全局生成器，你自己创建的RandomState（或者标准库的Random）实例和它没有任何关系——除非foo()内部接受一个随机生成器参数，但你说没法修改foo()，所以这个路子走不通。

而上面两种方法都是直接操作np.random的全局状态，正好匹配foo()的调用逻辑，完美解决你的问题。

内容的提问来源于stack exchange，提问作者Faur