1. 隨機變數
np.random.randn(size)：由一個平均為0，變異數為1的高斯分布中隨機取點，並以list儲存。
np.random.randint(low, high, size, dtype='l')：由low到high中產生一個size大小的list。 dtype，一般來說我們不會動到
除此之外，其實可以import random
random.random()：在0 <= output < 1之間產生一個浮點數
random.uniform(low,hight)：在low<= output <=hight之間產生一個浮點數
random.randint(low,hight)：在low<= output <=hight之間產生一個整數

print(np.random.randn(6)) 
#output:[ 1.3265288  -0.15050998 -0.59429709  0.6356734  -0.89041176  0.2790698]
print(np.random.randn(2,3))
#output:[[-0.51469048 -0.82356942  0.80310762]
#        [ 0.21914897 -0.04437828 -0.41106366]]
print(np.random.randint(1,10,6)
#output: [[4 6 7],[4 2 9]]

2. 統計平均
numpy.sum(a, axis=None, dtype=None, out=None, keepdims=False)：
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=False)：
numpy.std(a, axis=None, dtype=None, out=None, keepdims=False)：
在array A，取其總和(sum)、平均(mean)或標準差(std)，而當axis=0是針對列(row)進行各列之間的統計；axis=1是針對行(column)進行各列之間的統計，dtype可以限制其輸出型態，常見有np.float32,np.unit8，這就請大家多加嘗試看自己希望型態長怎麼樣囉！

A=[[1,2,3,4,5,6],[7,8,9,10,11,12],[13,14,15,16,17,18]]
print(np.sum(A)) #output: 171
print(np.mean(A,axis=0))
# 如果先將A的型態透過np.array(A)進行變成numpy的一個物件的話，下面的操作也是可以接受的
A=np.array(A)
print(A.sum(axis=0)) #output: [21 24 27 30 33 36]
print(A.mean(axis=1))#output:[ 3.5  9.5 15.5]
print(A.std(axis=1))#output:[1.70782513, 1.70782513, 1.70782513]