random.seed()函数理解

random模块使用Mersenne Twister算法来计算生成随机数。这是一个确定性算法，但是可以通过random.seed()函数修改初始化种子^[1]。比如：

random.seed() # Seed based on system time or os.urandom()
random.seed(12345) # Seed based on integer given
random.seed(b'bytedata') # Seed based on byte data

对于random.seed(n)，如果使用相同的n值，则随机数生成函数每次生成的随机数序列都相同；如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数序列因时间差异而不同。

例1

import random
random.seed(9)
for i in range(3):
    print(random.random())

运行结果如下：

0.46300735781502145
0.37331193139504204
0.13853941251445523

本例中，每次循环时random.random()都采用9作为初始化的种子，生成相同的随机数序列。在循环中，第一次调用random.random()将返回该随机数序列的第一个元素，第二次调用random.random()将返回该随机数序列的第二个元素，以此类推。

再次运行示例代码的结果如下：

0.46300735781502145
0.37331193139504204
0.13853941251445523

多次运行这个示例代码，所得结果都是一样的，因为在本例中，使用的seed()值都是9，所以random.random()每次生成的随机数序列都相同。

例2

import random
for i in range(3):
    random.seed(9)
    print(random.random())

运行上述程序的结果如下：

0.46300735781502145
0.46300735781502145
0.46300735781502145

在本例中，使用的seed()值都是9，所以random.random()每次生成的随机数序列都相同，但是random.seed(9)在循环内部，print(random.random())这行命令每一次输出时都定位到所生成的随机数列表的第一个元素。

参考资料：

[1]. 3.11 随机选择

[2]. random.seed()的使用