import numpy as np 和 from numpy import * 的区别
用 import numpy as np 时(当你使用numpy库中的的函数/变量都需要在前面加上np)
使用函数的方法为：np.fun()
用from numpy import * 时
使用函数的方法为：fun()
推荐使用第一种方法，因为第二种会存在混淆。
比如在numpy中有random函数，但标准库(import random)中也存在random函数
1. 标准库中的random
random函数是python中封装好的函数，作为随机生成一些数必不可少的函数，通常用于单个随机浮点数的产生。
random.random() #产生 0-1之间的随机浮点数
random.randint(m,n) #产生m到n的一个整数型随机数
random.randrange(m=0,n,step=1) #生成从m=0到n的间隔step=2的随机整数
random.uniform(m,n) #产生m到n之间的随机浮点数，区间可以不是整数
random.choice(n) #产生从序列中随机选取一个元素2. numpy库中的random
而在numpy包里有自己的random函数，与标准库的random函数不同，由于numpy是计算矩阵的工具包，所以多数用来生成矩阵形式的数
np.random.random(n)
#只接受一个参数n，用来生成n维，取值范围[0,1)均匀分布的随机样本
np.random.randint(low=0,high,size=None)
#用来随机生成取值范围[low,high)（low默认从0开始），size=(m,n)表示m行n列的整数，size=n表示有多少维度
np.random.rand(m,n)
#用来生成m行，n列，取值范围[0,1)均匀分布的随机样本值；当参数只传递一个时，与np.random.random(n)的结果相同；不传递参数时，默认随机产生一个范围为[0,1)的一个样本
np.random.randn(m,n)
#用来生成m行，n列，从服从标准正态分布N(0，1)（期望μ=0，方差σ=1）中选取的样本值
np.random.seed(n)，可传一个任意参数n
#np.random.seed()用来设置随机数生成的随机种子。在seed(n)中，当n的值相同时，生成的随机数相同，其中的n为整数,若想每次生成的数组相同的话，必须在np.random.random(n)之前申明与之前相同的np.random.seed(n)
使用import numpy as np，调用的时候这样使用np.random，不会混淆每个库同名的函数