在Numpy库中，我们频繁地运用np.random.rand()、np.random.randn()以及np.random.randint()这三个随机生成函数。
1、 np.random.randn()函数
作用：返回一个或一组服从标准正态分布的随机样本值
1)当函数括号内没有参数时，则返回一个浮点数；
若函数内部仅含有一个参数，输出结果将是一个秩为1的数组，这样的形式无法用来表示向量或矩阵。
当函数的参数个数达到两个或更多时，其输出结果会是一个对应维度的数组，这样的数组可以用来表示向量或矩阵；在使用np.random.randn()函数时，通常输入的是整数，但若输入的是浮点数，系统会自动将其直接截断并转换为整数。
注意：randn()函数没有上下界设置
标准正态分布，其均值设定为0，标准差设定为1，通常表示为N（0，1）。该分布的曲线图如下所示kaiyun全站网页版登录，即：
在-1.96至+1.96的区间内，曲线下方所覆盖的面积达到了0.9500，这表示在该区间内取值的概率为95%。同样地，当范围扩大至-2.58至+2.58时，曲线下方的面积增至0.9900，意味着在这个更宽的区间内取值的概率高达99%。
因此，使用np.random.randn()函数生成的随机数样本，其数值大多集中在-1.96到+1.96的区间内，尽管偶尔会有数值超出这个范围的情况，但这种情况发生的概率相对较低。
2、np.random.rand()函数
np.random.rand(d0,d1,d2……dn)
本函数的操作方式与np.random.randn()函数一致，它能生成一个或多个符合“0至1”之间均匀分布的随机样本值。这些随机样本的数值区间界定在
0,1)，不包括1
3、使用np.random.uniform函数，可以生成指定范围内的随机浮点数，其中参数low代表最小值，high代表最大值，size则定义了生成的随机数组的形状。
功能：从指定范围内
生成在low与high之间均匀分布的随机浮点数，需留意其定义域为左闭右开kaiyun.ccm，即low值包含在内，而high值不包含。
参数介绍:
low: 采样下界，float类型，默认值为0；
high: 采样上界，float类型，默认值为1；
样本数量：表示输出样本的个数，其数据类型应为整数或元组，如size=(m,n,k)表示输出m*n*k个样本，若未指定，则默认输出一个数值。
返回结果为ndarray格式，其尺寸与参数size所定义的完全相符。
4、numpy.random.randint
numpy函数random.randint可生成指定范围内的随机整数，其中low参数设定最小值，high参数设定最大值（不包含），size参数指定生成的随机整数数量，dtype参数用于指定输出整数的类型，默认为字符类型。
输入：
low—–为最小值
high—-为最大值
size—–为数组维度大小
dtype—为数据类型，默认的数据类型是np.int。
返回值： 返回随机整数或整型数组，范围区间为
选取的范围包括最低值开yun体育app官网网页登录入口，但不包括最高值；若未填写最高值，系统将自动设定随机数的上限。
0，low
使用np模块中的random函数，可以生成一个介于1与10之间的随机整数，其大小参数设为10。
结果呈现为一个数组，其中包含十个元素，全部为零。
使用numpy库的随机整数生成函数，生成一个形状为(2, 4)的矩阵，其元素值介于5（包含）和6（不包含）之间。
输出：array([[4, 0, 2, 1],
[3, 2, 2, 0]])4、numpy.random.seed
随机数生成器能够确保后续产生的随机数与预设的种子值相对应，从而生成“确定”的随机数序列；若种子参数未被指定，则生成的随机数将呈现“绝对”的随机性。
>>> import numpy as np
设置随机数生成器的种子为1，以确保后续操作中生成的随机数序列与种子1相匹配。
>>> a = np.random.random()
>>> a
0.417022004702574，此随机数值与种子1存在关联。
执行代码时，变量a被赋予了一个由numpy库的random模块生成的随机浮点数，由于未设定随机数种子，因此该数值是完全随机的。
>>> a
此数值为0.7203244934421581，代表一个完全随机生成的数字。
重新设定随机数生成器的种子为1，以确保本次随机操作与种子1相联系。
>>> a = np.random.random()
>>> a
随机数生成的结果与设定的种子值1紧密相连，且与最初产生的随机数值一致。
在计算机系统中，无法生成绝对随机的数值；随机数生成器依赖于概率分布模型来创建随机数。通过调整seed函数的参数，可以改变概率分布函数的设定，进而导致输出的随机数值各不相同。
改写：不得对专有名词进行修改，不得加入任何英文词汇，仅需提供改写后的内容，不得重复原文，不得分段，不得添加任何说明。
5、np.random.choice
>>> np.random.choice(5, 3)
array([0, 3, 4])
此代码等同于使用numpy库中的randint函数，生成一个范围在0到5之间，包含0但不包含5，的随机整数数组，其长度为3。
创建一个名为a1的numpy数组，其元素依次为3、5、2.6、41.2和5.7。
a2等于通过随机选择函数从a1中选取元素，选取数量为3，不进行替换，选择概率分布为[0.2, 0.1, 0.3, 0.4, 0.0]。
print(a2)输出: array(
41.2, 5. , 2.6
在a中按照p的概率选取size个元素，其中p值越高，该元素被选中的可能性就越大；此外，若replace参数设置为True，则选取的值可以出现重复。
使用numpy库中的random.permutation函数对数组x进行排列组合。
随机输出一个新顺序。对x中的元素进行随机混排。当x为整数时，对.arange(x)内的元素进行随机重排；如果x是数组形式，则对x的副本的第一维进行随机打乱，即先复制x，然后对副本的第一维顺序进行随机调整。
>>> random.permutation(5)
array([1, 2, 3, 0, 4])
执行随机排列操作，对包含数字1、4、9、12和15的列表进行重排。
array([15, 1, 9, 4, 12])
创建数组arr，该数组通过np.arange(9)生成从0到8的整数序列，然后通过reshape((3, 3))将其重塑为3行3列的二维数组。
执行np.random.permutation函数，对数组arr进行随机排列操作。
array([[6, 7, 8],
[0, 1, 2],
[3, 4, 5]])6、numpy.random.shuffle(x)
调整序列排列，对其内在信息进行调整。（如同洗牌一般，重新排列其中的元素。）这与排列组合中的置换概念相似，即随机重新排列集合x中的各个元素。如果x代表整数，那么shuffle函数将直接对arange(x)范围内的元素进行随机打乱。然而，shuffle函数会对原始序列进行直接修改。
>>> a = arange(5)
>>> a
array([0, 1, 2, 3, 4])
>>> random.permutation(a)
array([1, 4, 3, 2, 0])
>>> a
array([0, 1, 2, 3, 4])
>>> random.shuffle(a)
>>> a
array([4, 1, 3, 2, 0])
