在NumPy库中，随机模块的函数被广泛用于数据科学、机器学习和统计分析等领域，以生成随机数或随机序列。以下是关于np.random.rand(), np.random.randn(), np.random.randint(), np.random.uniform()这四个函数的详细解释。

1. np.random.rand()

np.random.rand()函数用于生成[0, 1)区间的均匀分布的随机数或随机数组。它可以接受一个或多个维度参数，用于指定输出随机数组的形状。

参数：

• d0, d1, ..., dn：整数，可选，用于指定输出数组的形状。

返回值：

• 一个或多个在[0, 1)区间内均匀分布的随机数或随机数组。

示例：

import numpy as np
# 生成一个随机数
random_float = np.random.rand()
print(random_float)  # 输出：0.123456789012（一个0到1之间的浮点数）
# 生成一个形状为(3, 3)的随机数组
random_array = np.random.rand(3, 3)
print(random_array)
# 输出：
# [[0.12345678 0.90123456 0.78901234]
#  [0.56789012 0.34567890 0.12345678]
#  [0.90123456 0.56789012 0.34567890]]

2. np.random.randn()

np.random.randn()函数用于生成标准正态分布（均值为0，标准差为1）的随机数或随机数组。和np.random.rand()类似，它也可以接受一个或多个维度参数来指定输出数组的形状。

参数：

• d0, d1, ..., dn：整数，可选，用于指定输出数组的形状。

返回值：

• 一个或多个服从标准正态分布的随机数或随机数组。

示例：

import numpy as np
# 生成一个随机数
random_float = np.random.randn()
print(random_float)  # 输出：-0.123456789012（一个符合标准正态分布的浮点数）
# 生成一个形状为(3, 3)的随机数组
random_array = np.random.randn(3, 3)
print(random_array)
# 输出：
# [[-0.12345678  0.90123456 -0.78901234]
#  [-0.56789012  0.34567890  0.12345678]
#  [ 0.90123456 -0.56789012  0.34567890]]

3. np.random.randint()

np.random.randint()函数用于生成指定范围内的随机整数。与前面两个函数不同，这个函数生成的随机数是整数，而不是浮点数。

参数：

• low：整数，生成的随机数的最小值（包含）。
• high：整数，生成的随机数的最大值（不包含）。
• size：整数或元组，可选，用于指定输出数组的形状。

返回值：

• 一个或多个在指定范围内的随机整数或随机整数数组。

示例：

```python
import numpy as np

生成一个随机数

random_int = np.random.randint(0, 10)
print(random_int) # 输出：4（一个0到9之间的