以下代码的前提：import numpy as np
numpy.random模块对python内置的random进行了补充，增加了一些高效生成多种概率分布的样本值的函数。例如可以用normal来得到一个标准正态分布的样本数组。
1 >>> samples = np.random.normal(size=(4, 4)) 2 >>> samples 3 array([[-1.45057151, 0.80108401, 1.3671828 , 0.34067137], 4 [-0.351859 , 1.24758539, -0.26833999, -1.59481081], 5 [-0.81700215, 0.62729444, -0.34062153, -1.38731507], 6 [-0.07054579, 0.48847421, 0.66410904, 0.75402961]]) 7 >>>
下表是部分numpy.random函数。
|
函数 |
说明 |
|
seed |
确定随机数生成器的种子 |
|
permutation |
返回一个序列的随机排列或返回一个随机排列的范围 |
|
shuffle |
对一个序列就地随机排序 |
|
rand |
产生均匀分布的样本值 |
|
randint |
从给定的上下限范围内随机选取整数 |
|
randn |
产生正态分布（平均值为0，标准差为1）的样本值 |
|
binomial |
产生二项分布的样本值 |
|
normal |
产生正态（高斯）分布的样本值 |
|
beta |
产生beta分布的样本值 |
|
chisquare |
产生卡方分布的样本值 |
|
gamma |
产生gamma分布的样本值 |
|
uniform |
产生在[0, 1)中均匀分布的样本值 |
原文：https://www.cnblogs.com/mrlayfolk/p/12249044.html