numpy.random 模块

numpy.random 模块包含了一系列用于生成随机数或随机样本的函数。以下是一些常用的 numpy.random 函数：

1. rand(d0, d1, ..., dn):
   生成一个给定形状的数组，数组中的元素是[0, 1)区间上的均匀分布的随机样本。

2. randn(d0, d1, ..., dn):
   返回一个或多个从“标准正态”分布中抽取的样本值。

3. randint(low[, high, size, dtype]):
   返回随机的整数，位于半开区间 [low, high)。

4. random_sample([size]), random([size]), ranf([size]), sample([size]):
   生成[0, 1)范围内的随机浮点数。

5. choice(a[, size, replace, p]):
   从给定的一维数组中生成随机样本。

6. shuffle(x):
   修改一个序列，即原地打乱顺序。

7. permutation(x):
   返回一个序列的随机排列，或返回一个乱序的整数范围序列。

8. normal([loc, scale, size]):
   从正态（高斯）分布中抽取随机样本。

9. uniform([low, high, size]):
   从一个均匀分布

[low, high)中抽取样本。

10. beta(a, b[, size]):
    从Beta分布中抽取随机样本。

11. binomial(n, p[, size]):
    从二项分布中抽取样本。

12. poisson([lam, size]):
    从泊松分布中抽取随机样本。

13. exponential([scale, size]):
    从指数分布中抽取样本。

14. gamma(shape[, scale, size]):
    从伽玛分布中抽取样本。

15. chisquare(df[, size]):
    从卡方分布中抽取样本。

16. lognormal([mean, sigma, size]):
    从对数正态分布中抽取样本。

17. multivariate_normal(mean, cov[, size, check_valid, tol]):
    从多变量正态分布中抽取随机样本。

18. dirichlet(alpha[, size]):
    从狄利克雷分布中抽取样本。

19. geometric(p[, size]):
    从几何分布中抽取样本。

20. f(dfnum, dfden[, size]):
    从F分布中抽取样本。

21. hypergeometric(ngood, nbad, nsample[, size]):
    从超几何分布中抽取样本。

numpy.random 提供的这些函数可以生成各种统计分布下的随机数，非常适用于统计分析、科学研究以及仿真等领域。