1、對於輸入矩陣、陣列進行洗牌的兩個函式：numpy.random.shuffle(x) 和 numpy.random.permutation(x)是有區別的：

區別1：.permutation(x)可以將洗牌後的副本輸出，而.shuffle(x)輸出是None。對於.shuffle(x)重新洗牌後的副本還是x來表示。見例子：

import numpy as np

a = np.array([[1,2,3,4], [5,6,7,8], [3,4,5,6], [1,4,7,8]])
print(a)
print('/*/*/*/*/*')
b = np.random.permutation(a)
print(b)
print('/*/*/*/*/*')
c = np.random.shuffle(a)
print(c)
print(a)
 

輸出：

[[1 2 3 4]
 [5 6 7 8]
 [3 4 5 6]
 [1 4 7 8]]
/*/*/*/*/*
[[1 2 3 4]
 [1 4 7 8]
 [5 6 7 8]
 [3 4 5 6]]
/*/*/*/*/*
None
[[1 4 7 8]
 [1 2 3 4]
 [5 6 7 8]
 [3 4 5 6]]

區別2：如果傳入的是一個整數的時候，.permutation(x)可以返回一個洗牌後的arange，而.shuffle(x)中要求x不能是整數。

import numpy as np

a = 10
b = np.random.permutation(a)
print(b)
print('/*/*/*/*/*')
c = np.random.shuffle(a)
print(a)
 

輸出：

[7 8 2 0 4 5 1 9 6 3]
  File "F:/learning/test-package/train.py", line 7, in <module>
    c = np.random.shuffle(a)
/*/*/*/*/*
  File "mtrand.pyx", line 4796, in mtrand.RandomState.shuffle (numpy\random\mtrand\mtrand.c:38843)
TypeError: object of type 'int' has no len()

2、numpy.random.uniform(-x, x)———隨機生成（-x到x範圍內的一個數）

print(np.random.uniform(-1, 1))

輸出：

第一次：-0.33214855896802553
第二次：-0.5749959388706738

3、numpy.random.seed(x)—————方法改變隨機數生成器的種子，可以在呼叫其他隨機模組函式之前呼叫此函式。x -- 改變隨機數生成器的種子seed。本函式沒有返回值。

注意：seed(()是不能直接訪問的，需要匯入 random 模組，然後通過 random 靜態物件呼叫該方法。

import numpy as np

np.random.seed( 5 )
print("Random number with seed 5 : ", np.random.random())

# 生成同一個隨機數
np.random.seed( 5 )
print("Random number with seed 5 : ", np.random.random())

# 生成同一個隨機數
np.random.seed( 1 )
print("Random number with seed 1 : ", np.random.random())

輸出：

Random number with seed 5 :  0.22199317108973948
Random number with seed 5 :  0.22199317108973948
Random number with seed 1 :  0.417022004702574

4、區分np.nonzero()與np.count_nonzero()的區別：

①、返回值不一樣：np.nonzero()是返回非零元素對應的索引值（型別是一個；count_nonzero返回滿足（條件）的數量的統計和，

②、應用範圍不同：np.nonzero()可以對矩陣、陣列或者元組（只存在數字）進行操作；np.count_nonzero()只能應用於矩陣中。

接下來看例項：

Example 1：矩陣

import numpy as np
array = np.array([[1, 0, 3], [1, 6, 7], [1, 9, 11]])
non_ones = np.nonzero(array)
count_zeros = np.count_nonzero(array != 0)       #矩陣array中非零元素個數的統計
count_ones = np.count_nonzero(array != 1)        #矩陣array中非壹元素個數的統計
print(array)
print(non_ones)
print(count_zeros)
print(count_ones)

輸出：

[[ 1  0  3]
 [ 1  6  7]
 [ 1  9 11]]
(array([0, 0, 1, 1, 1, 2, 2, 2], dtype=int64), array([0, 2, 0, 1, 2, 0, 1, 2], dtype=int64))
8
6

Example 2：列表

import numpy as np
list = [1, 2, 0, 4, 0]
non_ones = np.nonzero(list)
print(list)
print(non_ones)

輸出：

[1, 2, 0, 4, 0]
(array([0, 1, 3], dtype=int64),)

Example 3：元組（非全數字）

import numpy as np
tuple = ('apple', 0, 1, 4, 1, 0)
non_ones = np.nonzero(tuple )
print(tuple)
print(non_ones)

輸出：

('apple', 0, 1, 4, 1, 0)
(array([0, 1, 2, 3, 4, 5], dtype=int64),)

Example 4：元組（全數字）

import numpy as np
tuple = (0, 1, 4, 1, 0)
non_ones = np.nonzero(tuple )
print(tuple)
print(non_ones)

輸出：

(0, 1, 4, 1, 0)
(array([1, 2, 3], dtype=int64),)

4、隨機生成矩陣：np.empty()與np.random.random()

注意：np.empty()可以指定隨機生成資料的型別（numpy.empty(shape, dtype=float, order='C')）

          np.random.random()

import numpy as np

b = np.empty([3, 4], dtype=int)
d = np.random.random([3, 4])
print(b)
print(d)

輸出：

[[ -89792704      32762  -89814704      32762]
 [1915740112          0 1952805488 1884251237]
 [1852795252          0          0          0]]
[[0.23151918 0.02996494 0.41285224 0.68917454]
 [0.67876318 0.05227411 0.02135239 0.02125393]
 [0.84004973 0.62453174 0.88129274 0.5860845 ]]