這個函式的使用方法，在這裡已經有前輩講解過了，只是自己在測試的時候有一些思考，所以便寫了這篇部落格。下面是前輩文章的原話：

seed( ) 用於指定隨機數生成時所用演算法開始的整數值，如果使用相同的seed( )值，則每次生成的隨即數都相同，如果不設定這個值，則系統根據時間來自己選擇這個值，此時每次生成的隨機數因時間差異而不同。

編寫如下第一份程式碼：

from numpy import *
num=0
while(num<5):
    random.seed(5)
    print(random.random())
    num+=1

執行結果為：

0.22199317108973948
0.22199317108973948
0.22199317108973948
0.22199317108973948
0.22199317108973948
 

可以看到，每次執行的結果都是一樣的

修改程式碼，如下為第二份程式碼：

from numpy import *
num=0
random.seed(5)
while(num<5):
    print(random.random())
    num+=1

執行結果為：

0.22199317108973948
0.8707323061773764
0.20671915533942642
0.9186109079379216
0.48841118879482914

可以看到，和上一份程式碼的執行結果不同。這裡每次的輸出結果都是不一樣的。這也就提醒了我們在以後編寫程式碼的時候要明白一點：random.seed(something)只能是一次有效。其實仔細想想也很自然，如果不是一次有效，比如說是一直有效，那豈不是會影響到後續的程式碼中隨機數的選取？

這次測試的程式碼比較可以說是很簡單的，但是卻暴露了我的一個思維上的漏洞：在這次測試中我雖然明白了：

seed( ) 用於指定隨機數生成時所用演算法開始的整數值，如果使用相同的seed( )值，則每次生成的隨即數都相同，如果不設定這個值，則系統根據時間來自己選擇這個值，此時每次生成的隨機數因時間差異而不同。

這段話的意思，但是我卻先入為主地認為第二份程式碼的結果應和第一份程式碼中的一致。而通過反面思考，假設這個函式使用一次後便是一直有效的，那麼每次生成的隨即數都會相同，但是這樣豈不是會影響到後續的程式碼中隨機數的選取？

所以，以後學新的東西的時候，都要問自己傻問題，不斷地去測試自己的想法以達到更深的理解。

故對於該函式的使用，可總結為：

seed( ) 用於指定隨機數生成時所用演算法開始的整數值。
1.如果使用相同的seed( )值，則每次生成的隨即數都相同；
2.如果不設定這個值，則系統根據時間來自己選擇這個值，此時每次生成的隨機數因時間差異而不同。
3.設定的seed()值僅一次有效