在python數據分析的學習和應用過程中，經常需要用到numpy的隨機函數，由於隨機函數random的功能比較多，經常會混淆或記不住，下面進行匯總並一一實例學習。
第一篇總結簡單的隨機數據庫的生產，主要常用的函數有np.random.rand()、.randint()、.randn()、.random()等.
1、np.random.rand(d0, d1, …, dn)
- 根據給定維度生成[0,1)之間的數據，包含0，不包含1
- dn表格每個維度
- 返回值為指定維度的array
2、randn(d0, d1, …, dn)返回一個樣本，具有標准正態分布。
-
randn函數返回一個或一組樣本，具有標准正態分布。
-
dn表格每個維度
-
返回值為指定維度的array
標准正態分布介紹：標准正態分布—-standard normal distribution；標准正態分布又稱為u分布，是以0為均值、以1為標准差的正態分布，記為N（0，1）。
3、randint(low[, high, size])
-
返回隨機整數，范圍區間為[low,high），包含low，不包含high
-
參數：low為最小值，high為最大值，size為數組維度大小，dtype為數據類型，預科是什么默認的數據類型是np.int
-
high沒有填寫時，默認生成隨機數的范圍是[0，low)
4、np.random.random([size])生成[0,1)之間的浮點數,與np.random.random()功能類似
- numpy.random.random_sample(size=None)
- numpy.random.ranf(size=None)
- numpy.random.sample(size=None)
上述三個函數同樣具有類似的功能：
5、numpy.random.choice(a[, size, replace, p])生成一個隨機樣本，從一個給定的一維數組
- 從給定的一維數組中生成隨機數
- 參數： a為一維數組類似數據或整數；size為數組維度；p為數組中的數據出現的概率
- a為整數時，對應的一維數組為np.arange(a)
6、numpy.random.seed()生成隨機數的種子，使得每次生成隨機數相同
- np.random.seed()的作用：使得隨機數據可預測。
- 當我們設置相同的seed，每次生成的隨機數相同。如果不設置seed，則每次會生成不同的隨機數