numpy学习(四)——随机数和随机种子(normal、standard_normal、randn、rand、randint、seed)

numpy.random模块中包含多种概率分布的随机样本，是数据分析辅助的重要工具之一。

（1）np.random.normal(loc=0.0, scale=1.0, size=None)、np.random.randn(d0, d1, …, dn)、np.random.standard_normal(size=None)

normal(loc=0.0, scale=1.0, size=None)
randn(d0, d1, …, dn)
standard_normal(size=None)
——————————
这三个函数都可以返回随机正态分布（高斯Gaussian 分布）的数组，都可以从numpy.random中导出。
（1）randn： randn(d0, d1, …, dn)，
返回shape为(d0, d1, …, dn)的标准正态分布（均值为0，标准差为1）的数组
（2）standard_normal： standard_normal(size=None)，
跟randn一样，也是返回标准正态分布的数组，不同的是它的shape由size参数指定，对于多维数组，size必须是元组形式；
（3）normal： normal(loc=0.0, scale=1.0, size=None)，
更一般的形式，返回均值为loc，标准差为scale的正态分布，shape由size参数决定。

import numpy as np

#randn(d0, d1, ..., dn)
#standard_normal(size=None)
#normal(loc=0.0, scale=1.0, size=None)
a=np.random.randn(3,2) #三行两列的二维数组
b=np.random.standard_normal(size=[3,2]) #三行两列的二维数组
c=np.random.normal(2,3,size=[3,2]) #均值为2，标准差为3的三行两列的二维数组

print(a)
print('------')
print(b)
print('------')
print(c)