python numpy.random.x()

内心崩溃，刚才写了好久的都没了。/(ㄒoㄒ)/~~

第二遍快速编辑，啊，好烦呐

1.np.random.rand()

#np.random.rand(d0,d1,d2,...,dn)  output of the shape

m=np.random.rand(3)
print(m)
n=np.random.rand(2,3)
print(n)
q=np.random.rand(3,2,1)
print(q)

output:
[0.04146033 0.18494041 0.5770587 ]
[[0.99455764 0.48759934 0.75566885]
 [0.18905628 0.87811976 0.13206557]]
[[[0.13159995]
  [0.07004505]]

 [[0.91311543]
  [0.87614226]]

 [[0.55860032]
  [0.65532598]]]

2.np.random.randn()

#np.random.randn(d0,d1,d2,...,dn)  shape of the output
#Return a sample (or samples) from the “standard normal” distribution.
#返回均值(mean)为0，方差(variance)为1的高斯分布

m=np.random.randn(3)
print(m)
n=np.random.randn(2,3)
print(n)
q=np.random.randn(3,2,1)
print(q)

output:
[ 1.93660058  1.77966488 -0.77442304]
[[ 1.04153657  0.82183362 -1.17856142]
 [ 1.11482213 -0.66228066 -0.14942978]]
[[[-4.52073202e-02]
  [ 5.49980033e-04]]

 [[ 2.62088523e+00]
  [-6.28488648e-01]]

 [[ 1.33228915e+00]
  [-5.70399605e-01]]]

3.np.random.randint()

#np.random.random_integers()用法和这个函数一毛一样。
#np.random.randint(low,high=None,size=None)
#从[low,hight)的左闭半开区间中取值，size为length/tuple    一个整数，或者[]

m=np.random.randint(1,9,2)
print(m)
n=np.random.randint(2)
print(n)
#从[0,2)中选值
n2=np.random.randint(2,4)
#从[2,4)中选值
n2=np.random.randint(2,[2,3])
#从[0,2)中选值
q=np.random.randint(1,9,[2,3])
print(q)

output:
[4 4]
1
[[4 4 8]
 [1 6 2]]

4.np.random.shuffle

#np.random.shuffle(x)   x是ndarray的name
x=[[1,7,8,9][2,6,8,0,4]]
m=np.random.shuffle()
print(x)
print(m)
#返回None

output:
[[2, 6, 8, 0, 4], [1, 7, 8, 9, 5]]

5.np.random.permutation()

#np.random.permutation(x)   x是ndarray的name
x=[[1,7,8,9,5],[2,6,8,0,4]]
x2=[1,7,8,9,5,2,6,8,0,4]
m=np.random.permutation(x)
n=np.random.permutation(x2)
print(x)
print(m)

print(x2)
print(n)

output:
[[1, 7, 8, 9, 5], [2, 6, 8, 0, 4]]
[[1 7 8 9 5]
 [2 6 8 0 4]]
[1, 7, 8, 9, 5, 2, 6, 8, 0, 4]
[8 7 4 6 8 0 1 5 2 9]

5,6的区别
shuffle()操作直接改变x的值
permutation()不改变x的值，应该是先拷贝再改变，会返回新的ndarray。并且ndarray只改变一个维度，如果是二维，就改变第一个维度。一维就是一维啦。
单纯从改变顺序来讲，推荐shuffle()的使用。

6.np.random.seed()

#np.ranom.seed(num)  该函数的作用是生成随机数并保持这个随机数可以再次生成。其实就是具有记忆功能吧。

e=[1,2,3,4,5]
np.random.seed(10101)
np.random.shuffle(e)
e2=np.random.randn(2,5)
np.random.seed(10101)
e3=np.random.randn(2,5)

e4=np.random.rand(2,5)

print(e)
print(e2)
print(e3)
print(e4)

output:
[5, 4, 3, 2, 1]
[[-0.80798286 -0.715672   -0.05469627 -0.02866989 -0.60651316]
 [-0.07166339 -0.90191647 -1.44930689  0.47544392 -0.69504091]]
[[-0.80798286 -0.715672   -0.05469627 -0.02866989 -0.60651316]
 [-0.07166339 -0.90191647 -1.44930689  0.47544392 -0.69504091]]
e4,没有被标记，所以每次运行生成的都不一样。
[[0.1631669  0.15944332 0.62425849 0.41839641 0.37485372]
 [0.87241615 0.76129331 0.97924951 0.89686177 0.63438622]]
e1，e2在整个大程序运行没结束以前，无论几次运行都是这一组数。如果换一个np.random.seed(0)，则生成的与10101不一样，但是他也被固定住了。

np.random.seed(None)有这个用法，这个用法没有限制，不会被记住。其实跟没有差不多。
其他理解还没理解到，暂时只get了这一点。

第二遍finishi。