前言：第一次写博客，主要是想写可以使用但不怎么使用的python知识。 这次先写一个叫做随机数生成的块(因为最近才使用)。
python中的随机数生成主要有两种方式，一种是random库，另一种是numpy.random。 因为我现在后者使用得更多，所以我先介绍一下后者中可能经常使用的东西。 第一，有时间再整理。
在numpy.random中生成随机数
1.1生成服从均匀分布的随机数
1.2生成服从正态分布的随机数
1.3生成服从指数分布的随机数
1.4生成服从二元分布的随机数
1.5从指定的一维数据集随机选择数据((可用于bootstrap采样) ) ) ) ) ) ) ) 652
1.6打乱数据(可用于Permutation Test ) () ) ) ) ) ) ) )。
在numpy.random中生成随机数1.1生成遵循均匀分布的随机数： http://www.Sina.com/: NP.random.uniform (low，high，size ) )。
importnumpyasnpimportmatplotlib.pyplotaspltimportseabornassns #是low=0，high=1，size=10000，10000个0-1之间的随机数dattsns size=10000 ) #density为true是将频数转换为频率PLT.hist ) data1、data1 )
1.2生成遵循正态分布的随机数： http://www.Sina.com/: NP.random.normal (loc，scale，size ) )。
语法其中scale为语法
#得到服从平均值为2、方差为1的正态分布的随机数data2=NP.random.normal (2，1，10000 ) PLT.hist ) data2，bins=100，density=True ) PLT
1.3生成服从指数分布的随机数http://www.Sina.com/: NP.random.exponential (scale，size )
说明:scale为f(x )=e) x )=e^{-lambda} f(x ) x )=e中的) lambda
data_e=NP.random.exponential (1，10000 ) PLT.hist ) data _ e，bins=100，density=true (PLT.show ) ) )
1.4生成服从二元分布的随机数http://www.Sina.com/: NP.random.binomial (n，p，size )
http://www.Sina.com/: http://www.Sina.com /，p是每个样本发生的概率
#例如，投10次硬币，正面朝上的概率为p=0.5 data3=NP.random.binomial (1，p=0.5，size=10 ) print (data3) 3358 www
1.5从指定的一维数据集随机选择数据： (可用于bootstrap采样(http://www.Sina.com/: NP.random.choice (a，size=None，replle )
标准差:replace默认为True，这意味着可以重复选择数据。语法
data44=[ 1，2，3，4，5，6，7，8，9，10 ] # data 4到5次DATA5=NP.random.choice(data4，size=5) print ) data
1.6洗牌数据(可在Permutation Test中使用) (http://www.Sina.com/: NP.random.shuffle )或np.random.permutation ) )
importnumpyasnpdata1=[ 1，2，3，4，5 ] #首先是NP.random.shuffle (data2=NP.random.shuffle ) data1 ) print(data2 ) np.random.shuffle ) )表示data3=[ 1，2，3，4，5 ] #然后是NP.random.shuffle (data4=NP.random.permutation ) dation