random.seed(0)作用：使得随机数据可预测，即只要seed的值一样，后续生成的随机数都一样。
一、不设置seed()
import random
list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
a = random.sample(list, 5) # 从list中随机获取5个元素，作为一个片段返回
print(a)
print(list, '\n') # 原有序列并没有改变
每次执行输出都不同：
# 第一次输出：
[5, 2, 6, 8, 7]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 第二次输出：
[9, 7, 4, 3, 10]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 第三次输出：
[10, 8, 7, 5, 1]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
二、设置相同的seed()值
当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数。
import random
random.seed(1)
list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
a = random.sample(list, 5) # 从list中随机获取5个元素，作为一个片段返回
print(a)
print(list, '\n') # 原有序列并没有改变
每次输出都相同：
# 第一次输出
[3, 2, 5, 1, 4]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 第二次输出
[3, 2, 5, 1, 4]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 第三次输出
[3, 2, 5, 1, 4]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
三、设置不同的seed()值
当设置的seed数值不同，生成的随机数也不同：
import random
random.seed(2)
list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
a = random.sample(list, 5) #seed的数值变了，所以生成的随机数也改变，和seed(1)有所不同
print(a)
print(list, '\n') # 原有序列并没有改变
每次输出结果都相同，但和设置seed(1)不同：
# 第一次输出结果
[1, 2, 9, 3, 8]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 第二次输出结果
[1, 2, 9, 3, 8]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# 第三次输出结果
[1, 2, 9, 3, 8]
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
四、结论
也就是说，每次想获得与上次相同的随机数，seed后的数字应该相同！
参考：https://blog.csdn.net/qq_31511955/article/details/81949857
