因为网上很多文章都是在依次列举各个函数的功能，并没有做分类，所以记忆上还有使用上都不方便。

本文旨在将功能相似的函数放在一起，以及对它们进行辨析和区分，便于精准地调用。未完待续

最权威的参考来源：Random sampling (numpy.random) — NumPy v1.22 Manual

一、生成随机数

1.1 生成随机整数构成的数组

大部分的生成随机数的函数都是得到浮点型数值的元素，以下的几个函数是生成整数。

randint

random_integers

1.2 生成符合正态分布特征的数组

randn ，标准正态分布，记忆技巧n代表normal——正态的。

standard_normal，与randn类似，但是standard_normal的输入参数为元组（tuple）

1.3 生成符合均匀分布特征的数组

（1）rand，“0~1”均匀分布，[0,1)，也即不包括1

（2）random，这个函数是numpy的旧函数，大概因为命名原因，所以后面又加了一个新的API——random_sample，它们之间完全相同（用法和作用上）

（3）random_sample，生成一个[0,1)的复合均匀分布的随机数，和rand不同的地方在于如果要生成多维数组在这里传入的是元组，而在rand里传入的是分散开的数值。

（4）randf([size])，和random_sample等价

（5）sample，和random_sample等价

1.x生成随机字节

bytes

二、随机排列/随机排序

2.1 shuffle

2.2 permutation

这两者的区别在于shuffle没有返回值，直接将arr的排序更改后返回给arr，而permutation则不回更改原arr，因此为了有意义也必须有返回值可供接收。

它们的共同点：如果是多维数组，仅仅对第0维进行随机排列。

2.3 choice

也有排列的效果，只不过它在permutation的返回值基础上做了索引和切片，仅仅保留部分数值。