numpy.random.randn()与rand()的区别

1、numpy中有一些常用的用来产生随机数的函数，randn()和rand()就属于这其中。 
numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值。 
numpy.random.rand(d0, d1, …, dn)的随机样本位于[0, 1)中。 
代码：

import numpy as np 

arr1 = np.random.randn(2,4)
print(arr1)
print('******************************************************************')
arr2 = np.random.rand(2,4)
print(arr2)

结果

在使用Python进行数据处理时，往往需要用到大量的随机数据，那如何构造这么多数据呢？Python的第三方库numpy库中提供了random函数来实现这个功能。 
本文将根据官方文档以及其他博友的博客一起来谈论常见的random函数以及使用 
官方文档

2、首先说下numpy.random.seed()与numpy.random.RandomState()这两个在数据处理中比较常用的函数，两者实现的作用是一样的，都是使每次随机生成数一样，具体可见下图

1.numpy.random.rand() 
官方文档中给出的用法是：numpy.random.rand(d0,d1,…dn) 
以给定的形状创建一个数组，并在数组中加入在[0,1]之间均匀分布的随机样本。 
用法及实现： 

2.numpy.random.randn() 
官方文档中给出的用法是：numpy.random.rand(d0,d1,…dn) 
以给定的形状创建一个数组，数组元素来符合标准正态分布N(0,1) 
若要获得一般正态分布则可用sigma * np.random.randn(…) + mu进行表示 
用法及实现： 

3.numpy.random.randint() 
官方文档中给出的用法是：numpy.random.randint(low,high=None,size=None,dtype) 
生成在半开半闭区间[low,high)上离散均匀分布的整数值;若high=None，则取值区间变为[0,low) 
用法及实现 
high=None的情形 

high≠None 

4.numpy.random.random_integers() 
官方文档中给出的用法是： 
numpy.random.random_integers(low,high=None,size=None) 
生成闭区间[low,high]上离散均匀分布的整数值;若high=None，则取值区间变为[1,low] 
用法及实现 
high=None的情形 

high≠None的情形 

此外，若要将【a,b】区间分成N等分，也可以用此函数实现 
a+(b-a)*(numpy.random.random_integers(N)-1)/(N-1)

5.numpy.random_sanmple() 
官方文档中给出的用法是： 
numpy.random.random_sample(size=None) 
以给定形状返回[0,1)之间的随机浮点数 
用法及实现 

其他函数，numpy.random.random() ;numpy.random.ranf() 
numpy.random.sample()用法及实现都与它相同

6.numpy.random.choice() 
官方文档中给出的用法： 
numpy.random.choice(a,size=None,replace=True,p=None) 
若a为数组，则从a中选取元素；若a为单个int类型数，则选取range(a)中的数 
replace是bool类型，为True，则选取的元素会出现重复；反之不会出现重复 
p为数组，里面存放选到每个数的可能性，即概率 
用法及实现 

[[-1.03021018  0.5197033   0.52117459 -0.70102661]
 [ 0.98268569  1.21940697 -1.095241   -0.38161758]]
******************************************************************
[[ 0.19947349  0.05282713  0.56704222  0.45479972]
 [ 0.28827103  0.1643551   0.30486786  0.56386943]]