np.random.random()
区间 [0,1)内均匀分布的浮点数样本值
参数为一个数字或元组
>>> np.random.random((3,3))
array([[0.29662866, 0.49017285, 0.36385719],
[0.75705946, 0.83283902, 0.43799933],
[0.96813892, 0.52336287, 0.69897707]])
np.random.rand(d1,d2,d3,...dn)
返回一个或一组服从“0~1"均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。
参数为一组数字
>>> np.random.rand(3,3)
array([[0.97490882, 0.62584059, 0.64094061],
[0.94944701, 0.60058469, 0.40378451],
[0.98257808, 0.49637092, 0.82605012]])
np.random.randn(d1,d2,...dn)
生成一个浮点数或N维浮点数组，取数范围：正态分布的随机样本数
参数为一组数字
>>> np.random.randn(3,3)
array([[-0.13166095, -0.39784247, -1.40062493],
[-1.18981662, -0.11726426, 1.53941094],
[-1.61486293, -0.52929011, -0.4025181 ]])
np.random.randint(low, high=None, size=None, dtype='l')
生成一个整数或N维整数数组，取数范围：若high不为None时，取[low,high)之间随机整数，否则取值[0,low)之间随机整数。
>>> np.random.randint(1,9,5)
array([2, 5, 8, 2, 4])
np.random.normal()
np.random.normal()的意思是一个正态分布，normal这里是正态的意思。numpy.random.normal(loc=0,scale=1e-2,size=shape)
参数loc(float)：正态分布的均值，对应着这个分布的中心。loc=0说明这一个以Y轴为对称轴的正态分布，
参数scale(float)：正态分布的标准差，对应分布的宽度，scale越大，正态分布的曲线越矮胖，scale越小，曲线越高瘦。
参数size(int 或者整数元组)：输出的值赋在shape里，默认为None。
>>> np.random.normal(loc=3,scale=3,size=10)
array([ 3.57732629, 4.03319904, 4.90395824, 0.78545378, -1.12050064,
2.92450181, 2.94470717, 3.10484983, 2.18553684, 4.14682614])
np.random.standard_normal(loc=0.0, scale=1.0, size=None)
生产一个浮点数或N维浮点数组，取数范围：标准正态分布随机样本
>>> np.random.standard_normal((3,3))
array([[ 0.42480835, 1.80721169, 2.11125768],
[ 0.63185324, -2.34764863, 0.41590828],
[-1.23066381, 1.72688409, 1.88816023]])
np.random.uniform(ow=0.0, high=1.0, size=None)
从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.
>>> np.random.uniform(low=-5,high=5,size=10)
array([ 2.91948933, -1.98224335, 0.12850215, -1.49213414, 0.59583766,
-1.19721507, -3.60499001, 4.89615872, -4.90105933, -2.76338066])
np.empty(shape[, dtype, order])
np.empty()返回一个随机元素的矩阵，大小按照参数定义。
>>> np.empty((2,2))
array([[1.18575755e-322, 9.88255749e-312],
[4.94065646e-324, 0.00000000e+000]])
