python随机数组，高斯噪声，多项式函数

    在前面的numpy的学习中忽略了这几个重要的知识点，导致今天做作业异常的艰难。现在十分必要将它记录下来。

1.np.random.*必须的是一个非常强的命令啊。不仅可以产生随机数（包括随机整数，实数；一维的，二维的等等），还可以产生正态分布的数（既可以用它来产生扰动或者是高斯噪声）。

（1）numpy.random.rand(d0, d1, ..., dn)
shape为：(d0, d1, ..., dn)

（2）numpy.random.normal(loc=0.0, scale=1.0, size=None)loc
均值，scale 标准差，size大小。

>>> mu, sigma = 0, 0.1
>>> s = np.random.normal(mu, sigma, 1000)

>>> abs(mu - np.mean(s)) < 0.01
True

>>> abs(sigma - np.std(s, ddof=1)) < 0.01
True

Display the histogram of the samples, along with the probability density function:

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 30, normed=True)
>>> plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
...                np.exp( - (bins - mu)**2 / (2 * sigma**2) ),
...          linewidth=2, color='r')
>>> plt.show()

（3）numpy.random.uniform(low=0.0, high=1.0, size=1)
均匀分布一样的。

（4）多项式函数

p=np.poly1d(a),其中，a是多项式由高次到0次方的系数。

>>> a

array([ 0.97712037, -1.39644265, -0.96801519,  0.97348607,  0.4140714 ])

>>> p=np.poly1d(a)

>>> type(p)

<class 'numpy.lib.polynomial.poly1d'>

还有一个可以用来做多项式拟合的函数：np.polyfit（）

常用总结：

1，np.random.random(10)随机生成一个10个值（值的大小为0～1）的一维数组；   

2，np.random.rand(10,10)随机生成一个10*10（值的大小为0～1）的二维数组（还可以是任意维数组）；

3 , np.random.randint(1,10,(4,5))随机生成一个4*5（值的大小为1～10）的数组（还可以为某个范围内的任意维数组）；用
b = arange(20).reshape(4,5) 也可以达到这个效果。

4，np.random.randn(2,3)从标准正态分布中产生一个2*3的数组。

5，np.random.normal(2,0.5，（2，3）)产生的是一个2*3的高斯噪声点数组集合（均值为：2，标准差：0.5）。

另外补充：

1.np.arange(0,1,0.1)产生的是0，0.1～0.9这10个点，要产生0，0.1～0.9，1的话将里面的1改为1.1就可以了；

2.for i in range(10)也是0到9的十个点；

3.np.linspace(0,1,10)产生的是0，1/9，2/9～1这10个点。因为有0的存在所以是将0到10均分为9分了。若是想产生0，0.1～0.9，1的化将里面的10设置为11.