为什么numpy和随机模块为同一种子提供不同的随机数？

Question

对于相同的种子,为什么random.random()与numpy.random()相比会产生不同的随机值.我的理解是他们都使用Mersenne Twister来生成随机值.

import random as rnd
import numpy as np

rnd.seed(1)
np.random.seed(1)

rnd.random()
np.random.rnd()

0.13436 ...

0.41702 ...

Answer 1

random模块和numpy.random都使用mt19937生成随机数.因此,我们可以将一个发生器的状态复制到另一个发生器,以查看它们是否具有相同的底层实现.

import random as rnd
import numpy as np

# seed numpy
np.random.seed(1)

# get state from numpy
state = [int(s) for s in list(np.random.get_state()[1])]
state.append(624)
state = tuple(state)
state = (3, tuple(state), None)

# set state for python 
rnd.setstate(state)

print(rnd.random())
print(np.random.rand())

0.417022004702574

0.417022004702574

如果状态被手动设置为相同,则看起来使用的mt19937引擎会给出相同的结果.这似乎意味着种子功能的实现方式不同.