numpy.random 使用

numpy.random.shuffle与permutation

1. numpy.random.permutation(x)
   参数：x 是整数，则随机排序 np.arange(x)；
   x 是数组，复制数组后随机打乱重新排序，不改变原来的数组

>>> np.random.permutation(5)
array([2, 1, 0, 3, 4])

2. numpy.random.shuffle( lst )
   参数：lst 是数组，直接在原来数组上进行操作，改变原来数组顺序，无返回值；

numpy.random 生成随机数情况

1. numpy.random.rand(d0, d1, …, dn)
   参数 d 代表维度( eg: rand(2,3,4) shape为 234 )；
   rand 函数根据给定维度返回[0, 1) 之间的数据，返回值为 array；

2. numpy.random.randn(d0, d1, …, dn)
   randn 函数根据给定维度返回数据，符合标准正态分布，返回值为 array；

3. numpy.random.randint((low, high=None, size=None, dtype=’int’)
   randint 函数返回 [low, high) 之间随机整数，size 表示数组维度( eg: (2,3,4))，dtype 默认数据类型 int；high 没有填写，默认生成随机整数范围 [0, low);

4. numpy.random.random(size=None)
   random 函数生成 [0, 1) 之间的浮点数；

5. numpy.random.choice(a, size=None, replace=True, p=None)
   choice 函数从给定的一维数组 a 中生成随机数（eg: a=[‘he’,‘she’,‘they’]）
   参数：a 为给定的一维数组；size 表示数组维度；replace 为 False 时，生成的随机数不能有重复的数值；p 表示概率，与 a 长度一致，且 p 中数据之和为 1（eg：p=[0.1,0.7.0.2]）

6. np.random.seed()
   使得随机数据可预测；
   seed 函数中参数相同，则生成的随机数相同（参数可随意，但一般设为42）；