1.numpy.random.normal(loc=0.0, scale=1.0, size=None)
参数的意义为：
loc：float
此概率分布的均值（对应着整个分布的中心centre）
scale：float
此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints
输出的shape，默认为None，只输出一个值
2.np.random.randn(size)
我们更经常会用到的np.random.randn(size)所谓标准正态分布（μ=0,σ=1），对应于np.random.normal(loc=0, scale=1, size)。
3.np.random.randint()
#构造一个1000行，2列的array值为1~10的整数(左闭右开)
np_city = np.random.randint(1, 10, size=[1000, 2])
print np_city
[[8 5]
[9 4]
[5 6]
...
[5 6]
[3 4]
[5 9]]
4.np.exp(n)
返回e的n次方，e是一个常数为2.71828
a = 1
print np.exp(a)
a = 2
print np.exp(a)
print 2.71828182846 * 2.71828182846
2.71828182846
7.38905609893
7.38905609894
5.numpy.row_stack(mat, a)
array中添加行（矩阵中添加行）：
>>> a
array([[1, 2, 5],
[3, 4, 6]])
>>> b = [1,2,3]
>>> b
[1, 2, 3]
>>> import numpy as np
>>> c = np.row_stack((a,b))
>>> c
array([[1, 2, 5],
[3, 4, 6],
[1, 2, 3]])
>>>
6.numpy.column_stack(mat,a)
array中添加列（矩阵中添加列）：
>>> a
array([[1, 2, 5],
[3, 4, 6]])
>>> b = [7,8]
>>> b
[7, 8]
>>> c = np.column_stack((a,b))
>>> c
array([[1, 2, 5, 7],
[3, 4, 6, 8]])
>>>
