扫码加入数据分析学习群

1.1 np.random. rand(d0, d1, ..., dn),d0-dn应为整数，例如，生成一个一行两列的数组array，如下：

通过调整参数d，改变数组结构，生成[0,1)之间的数据，包括0，不包括1，返回值为指定维度的数组。

1.2 np.random.randn(d0, d1, ..., dn),生成一个或者一组具有标准正态分布性质的样本量，参数与rand用法相同。（标准正态分布是指以0为均值，以1为标准差的正态分布），例如：

1.3 np.random. randint(low, high=None, size=None, dtype='l'),生成随机整数，范围为[low，high），包含low，不包含high，size为输出的数据维度大小，默认为None,dtype为数据类型，默认为int。

当high没有填写时，生成样本量的范围时[0,low)。

1.4 np.random.random_sample([size]),生成由[0,1)之间的浮点数组成的array结构数据，size可更改数组内容个数，和np.random.random功能相同。

1.5 np.random. choice(a, size=None, replace=True, p=None),从一个给定的数组中生成随机样本。参数：a，为一维数组类似数据或整数(当a为整数时，对应的一维数组是np.arange(a)，size是指数组的维度，replaces默认为True是指样本可出现重复值，为False是指不能出现重复值，p为数组中数据出现的概率。

当参数都为默认值，在取值范围[0,4）中生成一个一维数组，如下：

在设置了参数p之后：

1.6 np.random.seed()生成的随机数据可预测，当设置seed的参数相同时，会使每次生成的随机数相同

第一次不设置seed生成数组，如下：

再次执行后，数据发生变化：

当设置seed后，不论执行多少次都是固定的数据：

1.7 pandas.date_range(start=None, end=None, periods=None, freq=’D’, tz=None, normalize=False, name=None, closed=None, **kwargs)