在python数据分析的学习和应用过程中，经常需要用到numpy的随机函数，由于随机函数random的功能比较多，经常会混淆或记不住，下面进行汇总并一一实例学习。
第一篇总结简单的随机数据库的生产，主要常用的函数有np.random.rand()、.randint()、.randn()、.random()等.
1、np.random.rand(d0, d1, …, dn)
- 根据给定维度生成[0,1)之间的数据，包含0，不包含1
- dn表格每个维度
- 返回值为指定维度的array
2、randn(d0, d1, …, dn)返回一个样本，具有标准正态分布。
-
randn函数返回一个或一组样本，具有标准正态分布。
-
dn表格每个维度
-
返回值为指定维度的array
标准正态分布介绍：标准正态分布—-standard normal distribution；标准正态分布又称为u分布，是以0为均值、以1为标准差的正态分布，记为N（0，1）。
3、randint(low[, high, size])
-
返回随机整数，范围区间为[low,high），包含low，不包含high
-
参数：low为最小值，high为最大值，size为数组维度大小，dtype为数据类型，预科是什么默认的数据类型是np.int
-
high没有填写时，默认生成随机数的范围是[0，low)
4、np.random.random([size])生成[0,1)之间的浮点数,与np.random.random()功能类似
- numpy.random.random_sample(size=None)
- numpy.random.ranf(size=None)
- numpy.random.sample(size=None)
上述三个函数同样具有类似的功能：
5、numpy.random.choice(a[, size, replace, p])生成一个随机样本，从一个给定的一维数组
- 从给定的一维数组中生成随机数
- 参数： a为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率
- a为整数时，对应的一维数组为np.arange(a)
6、numpy.random.seed()生成随机数的种子，使得每次生成随机数相同
- np.random.seed()的作用：使得随机数据可预测。
- 当我们设置相同的seed，每次生成的随机数相同。如果不设置seed，则每次会生成不同的随机数