区别numpy.random.uniform和np.random.randn和np.random.binomial

1、numpy.random.uniform()

numpy.random.uniform(low,high,size)

从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.

参数介绍:

 low: 采样下界，float类型，默认值为0；
 high: 采样上界，float类型，默认值为1；
 size: 输出样本数目，为int或元组(tuple)类型，例如，size=(m,n,k), 则输出m*n*k个样本，缺省时输出1个值。

返回值：ndarray类型，其形状和参数size中描述一致。

2、np.random.randn()

np.random.randn(d0,d1,d2……dn)

返回的矩阵内所有元素是服从标准正态分布的随机样本。

1)  当函数括号内没有参数时，则返回一个浮点数； 
2）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； 
3）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； 
4）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）. 
5)  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。

3、np.random.binomial()

numpy.random.binomial(n,p,size=None)
返回的随机数是整数，且符合二项式分布，返回值区间为[0,n]

n：每次试验同时进行的平行测试数量，例如抛硬币，每次同时抛5枚，预测正面向上的硬币数量，这里的n=5；
p：在一次测试中，某事件出现的概率，例如抛硬币，正面向上的概率为0.5，这里p=0.5；
size：控制试验次数，并将试验结果按size的形状给出，例如size=(2,5)时，代表共试验了10次，试验结果按形状为(2,5)的数组给出。