伪随机数

注：以下内容前提为from numpy import random
1.random.seed(num)
求伪随机数的种子，如果将seed分成有序的多份种子的集合，那么num表示取第num份种子。num的值必须在[0, 2**32-1]之间。

观察上图，只用一次seed的时候前后是不一样的，但是使用两次seed，其中num相同时，前后是一样，由此得出结论：`声明一次seed只能使用一次，想要生成多次相同的样本值，需要声明多次。

2.random.permutation(x)
其中，x可以是数字，也可以数组，均返回一个随意排列的数组。数字返回是一维数组。

3.random.shuffle(arr)
其中，arr是数组，作用是将原数组arr重新排列。与permutation的不同在于permutation将排列后的数组返回，而shuffle无返回值，直接将数组在原来的arr地址上重新排序。

4.random.rand(x1, x2, ..)和random.randn(x1, x2, ..)
求均匀分布的随机样本值。其中，x1, x2, …是数字，几个数字表示输出几维数组。不同的是，前者产生均匀的样本值，后者产生正态分布(平均值为0，标准差为1)的样本值。

5.random.randint(low, high, size, dtype)
取某一范围内的整数。
必填：
low：随机数的下限，包含该数字。
选填：
high：随机数的上限，不包含该数字。
size：随机数的格式，size=n表示取几个随机数，size=(n1,n2)表示取n1行n2列的随机数数组。
dtype：为输出的随机数的类型。

6.random.binomial(n, p, size)
二项分布的样本值。其中，n,p为公式的n和p，size为数组的数目格式，同上size。

7.random.normal(loc, scale, size)
计算高斯分布的样本值。loc为该高斯分布的均值，即中心值；scale为标准差，size为shape，即形状，同上size。

8.random.beta(a, b, size)
求beta分布的样本值。a即Alpha，b即beta，格式均为float。size同上size。
9.random.chisquare(df, size)
求卡方分布的样本值。df为自由度，size同上size。
10.random.gamma(shape, scale, size)
求伽马分布的样本值。shape为分布的形状参数。scale为分度的尺度参数。size同上size。
11.random.uniform(a, b)
求均匀产生在[a, b]区间的样本值。