numpy中的random模組包含了很多方法可以用來產生隨機數，這篇文章將對random中的一些常用方法做乙個總結。
1、numpy.random.rand(d0, d1, …, dn)
作用：產生乙個給定形狀的陣列（其實應該是ndarray物件或者是乙個單值），陣列中的值服從[0, 1)之間的均勻分布。
引數：d0, d, …, dn : int，可選。如果沒有引數則返回乙個float型的隨機數，該隨機數服從[0, 1)之間的均勻分布。
返回值：ndarray物件或者乙個float型的值
例子：
# [0, 1)之間均勻分布的隨機數，3行2列
a = np.random.rand(3,
2)print
(a)# 不提供形狀
b = np.random.rand(
)print
(b)
[[0.26054323 0.28184468]
[0.7783674 0.71733674]
[0.90302256 0.49303252]]
0.6022098740124009
2、numpy.random.uniform(low=0.0, high=1.0, size=none)
作用：返回乙個在區間[low, high)中均勻分布的陣列，size指定形狀。
引數：low, high：float型或者float型的類陣列物件。指定抽樣區間為[low, high)，low的預設值為0.0，hign的預設值為1.0
size：int型或int型元組。指定形狀，如果不提供size，則返回乙個服從該分布的隨機數。
例子：
# 在[1, 10)之間均勻抽樣，陣列形狀為3行2列
a = np.random.uniform(1,
10,(3
,2))
print
(a)# 不提供size
b = np.random.uniform(1,
10)print
(b)
[[5.16545387 6.3769087 ]
[9.98964899 7.88833885]
[1.37173855 4.19855075]]
3.899250175275188
3、numpy.random.randn(d0, d1, …, dn)
作用：返回乙個指定形狀的陣列，陣列中的值服從標準正態分佈（均值為0，方差為1）。
引數：d0, d, …, dn : int，可選。如果沒有引數，則返回乙個服從標準正態分佈的float型隨機數。
返回值：ndarray物件或者float
例子：
# 3行2列
a = np.random.randn(3,
2)print
(a)# 不提供形狀
b = np.random.randn(
)print
(b)
[[-1.46605527 0.35434705]
[ 0.43408199 0.02689309]
[ 0.48041554 1.62665755]]
-0.6291254375915813
4、numpy.random.normal(loc=0.0, scale=1.0, size=none)
作用：返回乙個由size指定形狀的陣列，陣列中的值服從 μ=loc,σ=scale
的正態分佈。
引數：loc : float型或者float型的類陣列物件，指定均值 μ
scale : float型或者float型的類陣列物件，指定標準差 σ
size : int型或者int型的元組，指定了陣列的形狀。如果不提供size，且loc和scale為標量（不是類陣列物件），則返回乙個服從該分布的隨機數。
輸出：ndarray物件或者乙個標量
例子：
# 標準正態分佈，3行2列
a = np.random.normal(0,
1,(3
,2))
print
(a)# 均值為1，標準差為3
b = np.random.normal(1,
3)print
(b)
[[ 0.34912031 -0.08757564]
[-0.99753101 0.37441719]
[ 2.68072286 -1.03663963]]
5.770831320998463
5、numpy.random.randint(low, high=none, size=none, dtype=『l』)
作用：返回乙個在區間[low, high)中離散均勻抽樣的陣列，size指定形狀，dtype指定資料型別。
引數：low, high：int型，指定抽樣區間[low, high)
size：int型或int型的元組，指定形狀
dypte：可選引數，指定資料型別，比如int,int64等，預設是np.int
返回值：如果指定了size，則返回乙個int型的ndarray物件，否則返回乙個服從該分布的int型隨機數。
例子：
# 在[1, 10)之間離散均勻抽樣，陣列形狀為3行2列
a = np.random.randint(1,
10,(3
,2))
print
(a)# 不提供size
b = np.random.randint(1,
10)print
(b)# 指定dtype
c = np.random.randint(1,
10, dtype=np.int64)
print
(c)type
(c)
[[3 1]
[3 3]
[5 8]]62
numpy.int64
6、numpy.random.random(size=none)
作用：返回從[0, 1)之間均勻抽樣的陣列，size指定形狀。
引數：size：int型或int型的元組，如果不提供則返回乙個服從該分布的隨機數
返回值：float型或者float型的ndarray物件
例子：
# [0, 1)之間的均勻抽樣，3行2列
a = np.random.random((3
,2))
print
(a)# 不指定size
b = np.random.random(
)print
(b)
[[0.80136714 0.63129059]
[0.04556679 0.04433006]
[0.09643599 0.53312761]]
0.32828505898057136
numpy隨機數的產生
numpy.random.uniform介紹 函式原型 numpy.random.uniform low,high,size 功能 從乙個均勻分布 low,high 中隨機取樣，注意定義域是左閉右開，即包含low，不包含high.引數介紹 low 取樣下界，float型別，預設值為0 high 取樣...
產生隨機數
先說明一下rand，這個函式用來產生偽隨機數。比如，產生1000的兩個隨機數，產生的兩個一般上是不同的，但如果要產生80個100以內的隨機數，僅用rand函式就不夠。因為產生80個100以內的隨機數，至少有兩個數相等的概率太大了 srand函式，並不能使產生的隨機數完全不同。你可以執行以下這串 in...
隨機數產生
c c 中取隨機數 在計算機中並沒有乙個真正的隨機數發生器，但是可以做到使產生的數字重複率很低，這樣看起來好象是真正的隨機數，實現這一功能的程式叫偽隨機數發生器。有關如何產生隨機數的理論有許多，如果要詳細地討論，需要厚厚的一本書的篇幅。不管用什麼方法實現隨機數發生器，都必須給它提供乙個名為 種子 的...