根本原因是NumPy随机数生成器底层实现跨平台不一致：不同系统调用的算法变体、编译器优化及ABI差异，导致相同种子产出不同序列；旧版NumPy中np.random.seed()依赖全局状态且受版本微调影响，无法保证跨平台可复现。
跨平台运行时 np.random.randint 结果不一致，不是你代码写错了，也不是种子没设对——而是 NumPy 的随机数生成器（RNG）在不同系统上底层实现不同，导致相同种子产出不同序列。
为什么 np.random.seed() 在 Windows 和 macOS 上结果不同？
旧版 NumPy（
- 即使种子相同，
np.random.randint(0, 10, size=5)在 Windows 上可能返回[3, 7, 2, 9, 1]，在 macOS 上却是[8, 4, 6, 0, 5] - 这种差异从 NumPy 1.17 开始被显式承认：官方文档已注明“旧接口不保证跨平台一致性”
- 问题不在于 Python 层，而在于
np.random调用的 C 扩展模块在链接、内存对齐、甚至浮点舍入路径上的微小差异
如何用 numpy.random.Generator 解决跨平台问题？
NumPy 1.17+ 推荐的 Generator 类默认使用 PCG64 算法，它比 MT19937 更严格定义了跨平台行为，且不依赖系统 libc 的随机设施。
- 不要用
np.random.seed(42)，改用：from numpy.random import Generator, PCG64<br>rng = Generator(PCG64(seed=42))<br>rng.integers(0, 10, size=5)
-
PCG64是纯算法实现，所有平台都走同一套 bit-level 逻辑，只要 NumPy 版本一致，输出就一致 - 注意：
rng.integers()是np.random.randint()的替代函数，参数顺序和行为几乎完全兼容（仅high默认为None，需显式传参）
为什么升级 NumPy 后还是不一致？
即使用了 Generator，仍可能因环境差异失效——关键不在 NumPy 本身，而在依赖链上被忽略的环节。
立即学习“Python免费学习笔记（深入）”；
- 检查
numpy.__version__：1.21.0 之前某些 PCG64 实现存在平台相关 bug；建议锁定numpy>=1.22.0 - 确认没有其他库偷偷调用旧接口：比如某些老版本 scikit-learn 或 pandas 内部仍用
np.random.rand()，会污染全局状态 - Python 的
random模块和 PyTorch 的 RNG 是独立的，它们不影响 NumPy，但如果你混用（比如用random.shuffle()打乱数据索引），也会造成整体不可复现
真正跨平台可复现的关键，不是“设了种子”，而是“用确定性算法 + 隔离 RNG 状态 + 锁定版本”。哪怕只差一个 patch 版本，PCG64 的内部轮次常数也可能微调——这点容易被忽略，但恰恰是实验失败的最后防线。
