更具体地说，numpy：
In [24]: a=np.random.RandomState(4)
In [25]: a.rand()
Out[25]: 0.9670298390136767
In [26]: a.get_state()
Out[26]:
('MT19937',
array([1248735455, ..., 1532921051], dtype=uint32),
2,0,0.0)
八度：
octave:17> rand('state',4)
octave:18> rand()
ans = 0.23605
octave:19> rand('seed',4)
octave:20> rand()
ans = 0.12852
Octave 声称执行相同的算法（Mersenne Twister，周期为 2^{19937-1}）
有谁知道为什么有区别？
不幸的是，Octave 中的 MT19937 生成器不允许您使用单个 32 位整数来初始化它np.random.RandomState(4)。如果您使用rand("seed",4)它，实际上会切换到先前在 Octave 中使用的 PRNG 的早期版本，该 PRNG 根本不是 MT19937，而是 Fortran RANDLIB。
在 NumPy 和 Octave 中获得相同的数字是可能的，但是您必须在 Octave 中破解随机种子生成算法并编写自己的函数来从初始的 32 位整数种子中构造状态向量。我不是 Octave 大师，但通过在 Octave/Matlab 中对位操作函数和整数类进行多次 Internet 搜索，我能够编写以下粗略的脚本来实现播种：
function state = mtstate(seed)
state = uint32(zeros(625,1));
state(1) = uint32(seed);
for i=1:623,
tmp = uint64(1812433253)*uint64(bitxor(state(i),bitshift(state(i),-30)))+i;
state(i+1) = uint32(bitand(tmp,uint64(intmax('uint32'))));
end
state(625) = 1;
像这样使用它：
octave:9> rand('state',mtstate(4));
octave:10> rand(1,5)
ans =
0.96703 0.54723 0.97268 0.71482 0.69773
只是为了与 NumPy 进行比较：
>>> a = numpy.random.RandomState(4)
>>> a.rand(5)
array([ 0.96702984, 0.54723225, 0.97268436, 0.71481599, 0.69772882])
数字（或至少前五个）匹配。
请注意，该random模块提供的 Python 中的默认随机数生成器也是 MT19937，但它使用不同的播种算法，因此random.seed(4)产生完全不同的状态向量，因此 PRN 序列也不同。
如果您查看Mersenne Twister 算法的详细信息，就会发现有很多参数会影响产生的实际数字。我不认为 Python 和 Octave 试图产生相同的数字序列。
看起来 numpy 正在返回原始随机整数，而 octave 正在将它们标准化为 0 到 1.0 之间的浮点数。