np.random模块用法

从数列a中随机选择size个元素，replace为True表示选出的元素允许重复。p为元素被选中的概率数列

2. np.random.rand(d0, d1, ..., dn)

产生维度为(d0, d1, ..., dn)，值属于[0,1)的正太分布

3. np.random.randint(low, high=None, size=None, dtype='l'))

产生属于[low,high)的size数量的离散均匀分布，默认数据类型为http://np.int。

如果high为None，则产生属于[0,low)的离散均匀分布

size值可以为数值(产生结果为一维)，也可以为list或者tuple(产生结果为二维或者多维)

4. np.random.randn(d0, d1, ..., dn)

产生维度为(d0, d1, ..., dn)的标准正太分布。同np.random.standard_uniform()，这两个函数功能相同，只是参数写法不同

标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布(mean=0, stdev=1)，记为N（0，1）

5. np.random.random(size=None)

产生属于[0.0, 1.0)的size数量的连续均匀分布。size为list或者tuple时，产生相应维度的结果。

6. np.random.random_sample(size=None)

同：np.random.random(size=None)

7. np.random.sample(size=None)

同：np.random.random(size=None)

8.np.random.standard_normal(size=None)

同：np.random.randn(d0, d1, ..., dn)，参数形式不同

9.np.random.binomial(n,p,size=None)

对二项分布进行采样。n表示采样次数，p表示成功的概率，size表示输出结果的形状（shape）

np.random.binomial的输出结果为：n次采样结果中成功的数量（记住参数p为每次成功的概率）

np.random.binomial(1,0.5) #表示每次尝试成功的概率为50%，进行1次尝试，成功的数量是多少。输出结果为：0 或者 1。0表示经过一次尝试，这次尝试没有成功；1表示经过一次尝试，这次尝试成功了。

上面代码意义为：每次尝试成功的概率为50%，进行尝试一次，得到一个结果，1表示成功了，0表示失败了。前面步骤重复10000次。得到了长度为10000，值为0或者1的一个数组。其中等于1（成功）的数量的占比是多少。结果0.5053基本符合参数p为0.5的设置。

上面代码意义为：每次尝试成功的概率为10%，进行尝试10次，得到一个结果，结果表示10次里成功的次数，可能的输出值为0-10。前面步骤重复10000次。得到了长度为10000，值为0/1/2/3/4/5/6/7/8/9/10的一个数组。其中等于0表示10次尝试都失败了，1表示10次尝试成功了1次，...，10表示10次尝试都成功了。结果0.3507的意义为经过10000次尝试，统计结果显示，10次尝试都失败的概率值。

附：random.sample(population,k)

从population（列表或集合）中随机选出k个不重复的元素，结果为列表