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]])
>>>