接著上次的內容接著講，連續號都續上哈

?七、numpu中random的隨機生成函數

以下總結的是比較常用到的函數：

下面分別介紹一下不用的用法：

首先導入創建函數

import numpy as np
np.random.seed(666)

1、 rand(d0,d1,d2,...,dn)：返回數據[0,1)之間，具有均勻分布

np.random.rand(5)
np.random.rand(3,4)
np.random.rand(2,3,4)

?結果如下：

2、randn(d0,d1,d2,...,dn) ：返回數據具有標準正態分布（均值0，方差1 ）

np.random.randn(5)
np.random.randn(3,4)
np.random.randn(2,3,4)

結果如下：

3、randint(low[,high,size,dtype])：生成隨機整數，包含low，不包含high。如果high不指定，則從[0,low)中生成數字

np.random.randint(3)
np.random.randint(1,10)
np.random.randint(10,30,size=(5))
np.random.randint(10,30,size=(2,3,4))

結果如下：

4、random([size])：生成[0.0,1.0)的隨機數

結果如下：

?

5、choice(a[,?size, replace, p])：a是一維數組，從它里面生成隨機結果?

#這時候，a是數字，則從range(5)中生成，size為3
np. random. choice(5,3)
np.random.choice(5,(2,3))# 這時候，a是數組，從里面隨機取出數字
np.random.choice([2,3,6,7,9],3)
np.random.choice([2,3,6,7,9],(2,3))

結果如下：

6、shuffle(x)：把一個數組x進行隨機排列

a = np.arange(10)
np.random.shuffle(a)
a = np.arange(20).reshape(4, 5)
#如果數組是多維的，則只會在第一維度打散數據
np.random.shuffle(a)

結果如下：

7、permutation(x)：把一個數組x進行隨機排列，或者數字的全排列

# 這時候，生成range(10)的隨機排列
np.random.permutation(10)
# 這時候，在第一維度進行打散
arr = np.arange(9).reshape((3，3)
# 注意，這里不會更改原來的arr，會返回一個新的copy
np.random.permutation(arr)

結果如下：

8、normal([loc, scale, size])：按照平均值loc和方差scale生成高斯分布的數字

直接展示結果過如下：

?

9、uniform([low, high, size])：在[low, high)之間生成均勻分布的數字
直接展示結果如下：

常用的隨機函數就到這里，我們會在下一篇講解新的數字統計函數，有興趣的小伙伴可以看主頁查看章節?

?