import numpy as np 

#生成(2,3)的矩阵:

#np.random.randn(d0,d1,d2……dn) 
#当函数括号内没有参数时,则返回一个浮点数; 
#当函数括号内有一个参数时,则返回秩为1的数组,不能表示向量和矩阵; 
#当函数括号内有两个及以上参数时,则返回对应维度的数组,能表示向量或矩阵; 
#np.random.standard_normal()函数与np.random.randn()类似,
#但是np.random.standard_normal()的输入参数为元组(tuple). 
#np.random.randn()的输入通常为整数,但是如果为浮点数,则会自动直接截断转换为整数。

arr1 = np.random.randn(2,3)
print(arr1)
'''[
        [-1.2380651   0.75684318  1.62318391]
        [ 1.20602351  1.40564368  1.02228324]
]'''

#np.random.rand(d0,d1,d2……dn) 
#注:使用方法与np.random.randn()函数相同 
#作用: 
#通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1),不包括1。 
#应用:在深度学习的Dropout正则化方法中,可以用于生成dropout随机向量(dl),

arr2 = np.random.rand(2,3)
print(arr2)
'''[
        [0.15351293 0.15763324 0.3304003 ]
        [0.40442807 0.83639993 0.08259571]
]'''

randn
[
        [-1.2380651   0.75684318  1.62318391]
        [ 1.20602351  1.40564368  1.02228324]
]

rand
[
        [0.15351293 0.15763324 0.3304003 ]
        [0.40442807 0.83639993 0.08259571]
]

#数组转矩阵
arr = [[34.3410796778,108.9411163330,4.340],[34.3409733729,108.9433050156,8.94]]
print(arr)
'''[
        [34.3410796778, 108.941116333, 4.34], 
        [34.3409733729, 108.9433050156, 8.94]
]'''
arr_array=np.array(arr)
print(arr_array)
'''[
        [ 34.34107968 108.94111633   4.34      ]
        [ 34.34097337 108.94330502   8.94      ]
 ]'''