numpy 笔记： random模块

1 基本应用

randint	随机生成大小为size的正整数ndarray low、high、size三个参数。默认high是None,如果只有low，那范围就是[0,low)。如果有high，范围就是[low,high)。
randn	从标准正态分布中返回样本值
rand 等于 random 等于 random_sample 等于 ranf 等于 sample	随机样本位于[0, 1)中
choice	从某个列表中随机选取一个（默认）/多个元素 默认情况下，是放回选择的，如果想要不放回随机选择，需要加replace=False 第三个可选参数是一个和lst一样大小的list，表示各个数字选取的概率
bytes	随机返回几个字节 （注：这里的length是必须的）
shuffle	现场修改序列，改变自身内容。 注意，它会将源数据洗牌重新排列，如果你想保留源数据的话，记得 np.copy(data) 备份一下
permutation	numpy笔记：random.permutation_UQI-LIUWJ的博客-CSDN博客 相比 np.random.shuffle()，permutation 有一个好处，就是可以返回一个新数据，对原本的数据没有影响。而且还可以处理多维数据。

在random包中还有一个random.randrange(a,b,c)，效果就是从range(a,b,c)中随机ran一个值

2 分布

beta(a, b[, size])	贝塔分布样本，在 [0, 1]内。
binomial(n, p[, size])	二项分布的样本。
chisquare(df[, size])	卡方分布样本。
dirichlet(alpha[, size])	狄利克雷分布样本。
exponential([scale, size])	指数分布
f(dfnum, dfden[, size])	F分布样本
gamma(shape[, scale, size])	伽马分布
geometric(p[, size])	几何分布
gumbel([loc, scale, size])	耿贝尔分布
hypergeometric(ngood, nbad, nsample[, size])	超几何分布
laplace([loc, scale, size])	拉普拉斯或双指数分布
logistic([loc, scale, size])	Logistic分布样本
lognormal([mean, sigma, size])	对数正态分布
logseries(p[, size])	对数级数分布
multinomial(n, pvals[, size])	多项分布 对 p 个可能结果之一进行n次实验。  表示扔出来的1有4次，2有3次，3有6次。。。 size表示做几次实验
multivariate_normal(mean, cov[, size])	多元正态分布
negative_binomial(n, p[, size])	负二项分布
noncentral_chisquare(df, nonc[, size])	非中心卡方分布
noncentral_f(dfnum, dfden, nonc[, size])	非中心F分布
normal([loc, scale, size])	正态(高斯)分布
pareto(a[, size])	帕累托（Lomax）分布
poisson([lam, size])	泊松分布
rayleigh([scale, size])	Rayleigh 分布
standard_cauchy([size])	标准柯西分布
standard_exponential([size])	标准指数分布
standard_gamma(shape[, size])	标准伽马分布
standard_normal([size])	标准正态分布 (mean=0, stdev=1).
triangular(left, mode, right[, size])	三角形分布
uniform([low, high, size])	均匀分布
vonmises(mu, kappa[, size])	von Mises分布
wald(mean, scale[, size])	瓦尔德（逆高斯）分布
weibull(a[, size])	Weibull 分布
zipf(a[, size])	齐普夫分布