6.2.1.1 NumPy/SciPy 随机模块

文档摘要

6.2.1.1 NumPy/SciPy 随机模块你有没有在深夜调试一个蒙特卡洛模拟，眼睁睁看着结果每次运行都“稳稳地”偏离理论值——不是飘忽不定的随机误差，而是系统性偏移？你有没有在复现一篇顶会论文时，发现自己的置信区间比作者宽出30%，而所有公式、参数、数据预处理都一模一样？你有没有在生产环境中接到告警：A/B测试的p值突变，但流量分桶日志显示“随机分配正常”，直到你翻出三个月前那行才猛然意识到——种子被全局污染了？这不是玄学。这是 NumPy 随机模块最幽微、最顽固、也最容易被高阶工程师轻视的暗礁：全局随机状态（global random state）的隐式共享与不可见污染。它不报错，不抛异常，不触发警告。它只是安静地、持续地、可重复地——撒谎。