numpy.random.uniform介紹：
函式原型： numpy.random.uniform(low,high,size)
功能：從乙個均勻分布[low,high)中隨機取樣，注意定義域是左閉右開，即包含low，不包含high.
引數介紹:
low: 取樣下界，float型別，預設值為0；
high: 取樣上界，float型別，預設值為1；
size: 輸出樣本數目，為int或元組(tuple)型別，例如，size=(m,n,k), 則輸出mnk個樣本，預設時輸出1個值。
返回值：ndarray型別，其形狀和引數size中描述一致。
這裡順便說下ndarray型別，表示乙個n維陣列物件，其有乙個shape（表維度大小）和dtype（說明陣列資料型別的物件），使用zeros和ones函式可以建立資料全0或全1的陣列，原型：
numpy.ones(shape,dtype=none,order='c'),import numpy as np
a =[np.random.uniform(-1
,1,5
)for i in
range(8
)]print
(a)# 執行結果如下
# [array([-0.11224276, -0.2159962 , -0.61927405, 0.44666163, -0.76556514]),
# array([ 0.10680696, 0.44561596, 0.43710825, -0.60971998, -0.27726394]),
# array([ 0.54383451, -0.62850304, 0.38703795, -0.91549777, 0.69625409]),
# array([ 0.45459716, 0.72167316, 0.99970108, -0.303254 , 0.57634916]),
# array([ 0.47526871, -0.08433442, 0.88549562, 0.10087411, -0.5664246 ]),
# array([-0.00981425, 0.73920954, 0.79744141, -0.90721526, 0.33530933]),
# array([-0.6237765 , -0.11507653, 0.8065697 , -0.04284477, -0.68261238]),
# array([ 0.6459242 , 0.75920164, -0.2414012 , -0.73635557, -0.57215887])]
random_integers: 原型： numpy.random.random_integers(low, high=none, size=none)，在閉區間上產生隨機整數；
random_sample: 原型： numpy.random.random_sample(size=none)，在[0.0,1.0)上隨機取樣；
random: 原型： numpy.random.random(size=none)，和random_sample一樣，是random_sample的別名；
rand: 原型： numpy.random.rand(d0, d1, …, dn)，產生d0 - d1 - … - dn形狀的在[0,1)上均勻分布的float型數。
randn: 原型：numpy.random.randn（d0,d1,…,dn),產生d0 - d1 - … - dn形狀的標準正態分佈的float型數。
Numpy產生隨機數
numpy中的random模組包含了很多方法可以用來產生隨機數，這篇文章將對random中的一些常用方法做乙個總結。1 numpy.random.rand d0,d1,dn 作用 產生乙個給定形狀的陣列 其實應該是ndarray物件或者是乙個單值 陣列中的值服從 0,1 之間的均勻分布。引數 d0,...
產生隨機數
先說明一下rand，這個函式用來產生偽隨機數。比如，產生1000的兩個隨機數，產生的兩個一般上是不同的，但如果要產生80個100以內的隨機數，僅用rand函式就不夠。因為產生80個100以內的隨機數，至少有兩個數相等的概率太大了 srand函式，並不能使產生的隨機數完全不同。你可以執行以下這串 in...
隨機數產生
c c 中取隨機數 在計算機中並沒有乙個真正的隨機數發生器，但是可以做到使產生的數字重複率很低，這樣看起來好象是真正的隨機數，實現這一功能的程式叫偽隨機數發生器。有關如何產生隨機數的理論有許多，如果要詳細地討論，需要厚厚的一本書的篇幅。不管用什麼方法實現隨機數發生器，都必須給它提供乙個名為 種子 的...