np.random.permutation(), 它实现的是 np.random.shuffle() 的一种特殊形式。可以说是一种简单处理特殊情况的功能。 它有两个方便之处，1. 直接生成乱序的序列号，2. 对数据乱序。
相比 np.random.shuffle()，permutation 有一个好处，就是可以返回一个新数据，对原本的数据没有影响。而且还可以处理多维数据。

np.random.permutation(10)) # 直接出10个乱序数
data = np.arange(12).reshape([6,2])
np.random.permutation(data)) # 将数据在第一维度上打乱
                    利用numpy模块的随机函数import numpy as np1. numpy.random.randint()numpy.random.randint(low, high=None, size=None, dtype='l')函数作用：返回一个随机整型数或随机数数组，范围从低（闭）到高（开），即[low, high)。如果没有写参数high的值，则返回[0,low)的值。参数如下：low: int生成的数值最低要大于等于low。（hign = None时，生成的数值要在[0, l
				
使用python基础库random生成具备正态分布特征的随机数，并对生成的随机数的统计性质进行了计算。
经过多次实验，生成的随机数序列统计特征随着样本数量的增加逐渐逼近均值，在百万数量级的数据测试中，均值和方差都向下接近于设定参数。
import random
def randomTestCase(mu, sigma, loop=5000000):
    data = []
    for _ in range(loop):
        data.append(...
				
在Python中，我们可以使用不同的方法来生成随机数。以下是几种常用的方法：
1. 使用random包生成随机数：Python的random包提供了生成随机数的功能。你可以使用random.random()函数来生成0到1之间的浮点数，或者使用random.randint(a, b)函数来生成a到b之间的整数。 例如，你可以使用random.random()来生成一个0到1之间的随机浮点数。
2. 使用numpy包生成随机数：numpy包是一个广泛使用的科学计算库，它提供了强大的随机数生成功能。你可以使用numpy.random模块中的不同函数来生成不同类型的随机数，包括均匀分布的随机数、正态分布的随机数等。 例如，你可以使用numpy.random.rand()函数来生成一个0到1之间的均匀分布的随机数。
3. 使用scipy包生成随机数：scipy包是一个用于科学计算和数据分析的Python库，它也提供了生成随机数的功能。你可以使用scipy.stats模块中的不同函数来生成不同分布的随机数，包括正态分布、指数分布、泊松分布等。 例如，你可以使用scipy.stats.norm.rvs()函数来生成一个符合正态分布的随机数。
总结起来，Python提供了多种生成随机数的方法，包括使用random包、numpy包和scipy包。你可以根据自己的需求选择合适的方法来生成随机数。