import numpy 和 from numpy import * 的区别及random所有常用函数！！
首先假设你使用import numpy，则当你使用numpy库中的的函数/变量都需要在前面加上numpy，例如
import numpy
X0 = numpy.array([1,2,3,4,5])
print(X0)
from numpy import *
X1 = array([1,2,3,4,5])
print(X1)
因此这样就存在一个缺点，在使用第二种方法时会造成混淆，就比如在numpy中有random函数，但标准库(import random)中也存在random函数，他们之间的区别如下：
1. 标准库中的random
random函数是python中封装好的函数，作为随机生成一些数必不可少的函数，通常用于单个随机浮点数的产生，有许多的使用方法；
random.random()
random.randint(m,n)
random.randrange(m=0,n,step=1)
random.uniform(m,n)
random.choice(n)
2. numpy库中的random
而在numpy包里有自己的random函数，与标准库的random函数不同，由于numpy是计算矩阵的工具包，所以多数用来生成矩阵形式的数；就比如：
np.random.random(n)
#只接受一个参数n，用来生成n维，取值范围[0,1)均匀分布的随机样本
np.random.randint(low=0,high,size=None)
#用来随机生成取值范围[low,high)（low默认从0开始），size=(m,n)表示m行n列的整数，size=n表示有多少维度
np.random.rand(m,n)
#用来生成m行，n列，取值范围[0,1)均匀分布的随机样本值；当参数只传递一个时，与np.random.random(n)的结果相同；不传递参数时，默认随机产生一个范围为[0,1)的一个样本
np.random.randn(m,n)
#用来生成m行，n列，从服从标准正态分布N(0，1)（期望μ=0，方差σ=1）中选取的样本值
np.random.seed(n)，可传一个任意参数n
#np.random.seed()用来设置随机数生成的随机种子。在seed(n)中，当n的值相同时，生成的随机数相同，其中的n为整数,若想每次生成的数组相同的话，必须在np.random.random(n)之前申明与之前相同的np.random.seed(n)
混淆的解决方法：
在上述代码中我们使用的np来代替numpy，这是我们常用的手段，使用import numpy as np，调用的时候这样使用np.random，既不会混淆每个库同名的函数，也不会因为库名太长每次调用写起来麻烦。
以上两种方法产生随机数的原理在此就不再解释了，有兴趣的同学可以自行探索一下。