numpy学习之随机数生成（1）

涉及模组：numpy.random

原理：

Numpy的随机数程序使用BitGenerator的组合产生伪随机数，以创建序列，并使用Generator从不同的统计分布中采样：

BitGenerators： 产生随机数的对象。这些通常是无符号整数字，充满了32或64个随机位的序列。

生成器： 将BitGenerator中的随机比特序列转化为指定区间内遵循特定概率分布（如均匀、正态或二项式）的数字序列的对象。

概念：

• Random Generator

Generator提供了对各种分布的访问，并作为RandomState的替代。两者之间的主要区别是，Generator依靠一个额外的BitGenerator来管理状态并生成随机位，然后将其转化为有用分布的随机值。Generator使用的默认BitGenerator是PCG64。可以通过向Generator传递一个实例化的BitGenerator来改变这个BitGenerator。

创建Generator的方法：

numpy.random.default_rng(seed=None)

概述：用默认的BitGenerator(PCG64)构造一个新的Generator。

参数：
seed{None, int, array_like[ints], SeedSequence, BitGenerator, Generator}, optional
一个用于初始化BitGenerator的种子。如果没有，那么新鲜的、不可预测的熵将从操作系统中提取。如果传递了一个int或array_li