• random模块
• numpy中的random函数

python中有两个模块可以生成随机数，该博客以的numpy模块为例进行生成随机数。（因为矩阵要生成大量的随机数据，故推荐使用numpy模块生成随机数）

生成随机数（以矩阵为例）

# 生成随机矩阵
import numpy as np
#　设置随机种子，保证每次生成的随机数一样，可以不设置（去除下面一行代码，将所有的 rd 替换成 np.random 即可）
rd = np.random.RandomState(888) 
# 随机整数
matrix = rd.randint(-2, 3, (10, 10)) # 随机生成[-2,3)的整数，10x10的矩阵
# matrix = rd.randint(-2, 3, [10, 10]) # 效果同上
# print(matrix)
# 随机浮点数
matrix1 = rd.random((5, 5)) # 随机生成一个 [0,1) 的浮点数 ，5x5的矩阵
# print(matrix1)
如果想要生成固定区间的浮点数，可以采用如下两种方法
 
# 生成随机矩阵
import numpy as np
#　设置随机种子，保证每次生成的随机数一样，可以不设置（去除下面一行代码，将所有的 rd 替换成 np.random 即可）
rd = np.random.RandomState(888) 
# 方法一
matrix1 = rd.random((5, 5))*5 - 2 # 随机生成[-2,3)的浮点数，5x5的矩阵
# 方法二
matrix1 = rd.uniform(-2, 3, (5, 5)) # 随机生成[-2,3)的浮点数，5x5的矩阵
# print(matrix1)
生成固定分布的随机数
 
# 服从特定分布的随机数
# 生成随机矩阵
import numpy as np
#　设置随机种子，保证每次生成的随机数一样，可以不设置（去除下面一行代码，将所有的 rd 替换成 np.random 即可）
rd = np.random.RandomState(888) 
# 1.均匀分布
matrix_uniform = rd.uniform(-2, 3, (5, 5)) # 随机生生成 [-2,3) 内的均匀分布随机浮点数 ，5x5的矩阵
# print(matrix_uniform)
# 2.正态分布
matrix_normal = rd.normal(5, 1, [5,5]) # 生成一个正态分布的随机数，均值为 5，标准差为 1，5x5的矩阵
# print(matrix_normal)
# 3.泊松分布
matrix_poisson = rd.poisson(5, (5,5)) # 生成一个泊松分布的随机数，均值为 5，5x5的矩阵
# print(matrix_poisson)
# 4.指数分布
matrix_exponential = rd.exponential(5, [5,5]) # 生成一个指数分布的随机数，均值为 5，5x5的矩阵
# print(matrix_exponential)
 
Python中随机数的生成
python 生成随机数的两种方法
 
                    导入模块random模块numpy中的random函数python中有两个模块可以生成随机数，该博客以的numpy模块为例进行生成随机数。（因为矩阵要生成大量的随机数据，故推荐使用numpy模块生成随机数）生成随机数（以矩阵为例）# 生成随机矩阵import numpy as np#　设置随机种子，保证每次生成的随机数一样rd = np.random.RandomState(...
 十二音矩阵产生十二尾旋律。
 在作曲家Arnold Schoenberg创建的过程之后，该库计算矩阵以创建十二音序性旋律，该旋律以相同的重要性构成色阶的12个半音中的每一个。
 将您的作品保存到MIDI
 免费软件：BSD许可证
pip install twelve-tone
您可以使用CLI快速生成一个随机的十二音旋律
$ twelve-tone
['C# / Db', 'A# / Bb', 'F', 'D', 'G# / Ab', 'D# / Eb', 'F# / Gb',
    'A', 'C', 'G', 'B', 'E']
或者，您可以在脚本中使用以下方法： 
>>> from twelve_tone.composer import Composer
>>> c = Composer()
>>> c.compose()
				
Numpy是对多维数组的运算，默认情况并不运算矩阵。如果需要对数组进行矩阵运算，矩阵是继承自numpy数组对象的二维数组对象。Numpy中，矩阵计算是针对整个矩阵中每个元素进行的，与用for循环相比，其在运算速度上更快。
import numpy as np
#创建numpy矩阵
matr1=np.mat('1 2 3;4 5 6;7 8 9')         #使用分号隔开...
array = random.randint(1,20,size=(10,10))
print(array)
np.savetxt('E:\\test.csv',array,fmt='%d',delimiter=' ')
输出的结果如下:
有个缺点就是输出的csv文件没对齐，如下:
用到的numpy函数需要自己下载，网站在这里https://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy
				
1.多维数组对象 Numpy ndarray
Numpy 的核心特征之一是N-维数组对象——ndarray。ndarray是Python中的一个快速、灵活的大型数据集容器。还可以进行常见的标量运算。
首先我们引入一个例子，导入一个Numpy，生成四行五列的数组。
# numpy ndarray -- 多维数组对象
import numpy as np
# 生成随机数组
data = np...