Numpy random arange zeros

seed( ) 用于指定随机数生成时所用算法开始的整数值。 
1.如果使用相同的seed( )值，则每次生成的随即数都相同； 
2.如果不设置这个值，则系统根据时间来自己选择这个值，此时每次生成的随机数因时间差异而不同。 
3.设置的seed()值仅一次有效

1、

   rand(2,4)        #2*4 shape 矩阵

　　rand(d0, d1, …, dn)

 rand_sample()  #随机生成矩阵

2、

randint(100) 随机一个整数

3、 get_state()
   状态一样： 则随机的效果就一样
4、

np.random.shuffle(labels_list)  # 打乱

5、随机种子：
  局部： RandomState(1000)
  全局： seed(1)
6、arange
  #生成list 
  np.arange(5)
7、zeros  #都是0的矩阵



7、高级分布：

prng = np.random.RandomState(123456789) # 定义局部种子
prng.rand(2, 4)

prng.chisquare(1, size=(2, 2)) # 卡方分布
prng.standard_t(1, size=(2, 3)) # t 分布
prng.poisson(5, size=10) # 泊松分布

二项分布：

outcome = np.random.binomial(9, 0.5, size=len(cash))

正太分布：

N=10000

normal_values = np.random.normal(size=N)

高斯分布：

#绘制分布直方图和理论上的概率密度函数（均值为0、方差为1的正态分布）曲线。
dummy, bins, dummy = plt.hist(normal_values, np.sqrt(N), normed=True, lw=1)
sigma = 1
mu = 0

plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * np.exp( - (bins -mu)**2 / (2 * sigma**2) ),lw=2) #lz提示，也可以使用scipy.stat.norm.pdf来生成非随机的高斯分布图[Scipy教程 - 统计函数库scipy.stats]