【第一部分】

Python中的 * 和 ** ，能够让函数支持任意数量的参数，它们在函数定义和调用中，有着不同的目的!

一. 打包参数

* 的作用：在函数定义中，收集所有位置参数到一个新的元组，并将整个元组赋值给变量args

>>> def f(*args):      # * 在函数定义中使用
    print(args)>>> f()()>>> f(1)(1,)>>> f(1, 2, 3, 4)(1, 2, 3, 4)

** 的作用：在函数定义中，收集关键字参数到一个新的字典，并将整个字典赋值给变量kwargs

>>> def f(**kwargs):        # ** 在函数定义中使用
    print(kwargs)>>> f(){}>>> f(a=1, b=2){'a': 1, 'b': 2}

二. 解包参数

* 的作用：在函数调用中，* 能够将元组或列表解包成不同的参数

>>> def func(a, b, c, d):
    print(a, b, c, d)
>>> args = (1, 2, 3, 4)
>>> func(*args)     # * 在函数调用中使用
1 2 3 4
>>> args = [1, 2, 3, 4]
>>> func(*args)
1 2 3 4

** 的作用：在函数调用中，** 会以键/值的形式解包一个字典，使其成为一个独立的关键字参数

>>> def func(a, b, c, d):
    print(a, b, c, d)
>>> kwargs = {"a": 1, "b": 2, "c": 3, "d": 4}
>>> func(**kwargs)    # ** 在函数调用中使用
1 2 3 4

三. 注意

1. 在函数定义时， * 表示打包；在函数体内部， * 表示的却是解包，事实上，下面例子中print(*args)是print()函数的调用

>>> def foo(*args, **kwargs):
    print(args)       #未解包参数
    print(*args)      #解包参数
>>> v = (1, 2, 4)
>>> d = {'a':1, 'b':12}
>>> foo(v, d)
((1, 2, 4), {'a': 1, 'b': 12})
(1, 2, 4) {'a': 1, 'b': 12}

2. * 和 ** 的打包和解包并不能脱离函数而存在

如下的例子中，表面上看没有调用什么函数，实际上调用了format()函数

>>> c = {"name": 'zhang', "age": 2}
>>> **cSyntaxError: invalid syntax
>>> "Name:{name}, Age:{age}".format(**c)'Name:zhang, Age:2'

参考源码中对format函数的定义

 这里为什么不用print()函数而用format()呢

可以试试print()函数来解包

>>> print(**c)
Traceback (most recent call last):  File "<pyshell#40>", line 1, in <module>    
print(**c)TypeError: 'age' is an invalid keyword argument for this function

因为print()函数只支持 *args，不支持 **kwargs！

更多详细信息具体参见博客：

https://www.cnblogs.com/mo-nian/p/11842422.html

python 在变量前加*或者**

【第二部分】

np.random.rand()函数：https://blog.csdn.net/qq_40130759/article/details/79535575

np.random.rand(d0,d1,d2……dn) 

 注：使用方法与np.random.randn()函数相同 

 作用： 通过本函数可以返回一个或一组服从“0~1”均匀分布的随机样本值。随机样本取值范围是[0,1)，不包括1。 

应用：在深度学习的Dropout正则化方法中，可以用于生成dropout随机向量（dl），例如（keep_prob表示保留神经元的比例）：dl = np.random.rand(al.shape[0],al.shape[1])！

np.random.randn()函数

np.random.randn(d0,d1,d2……dn) 

语法： 

  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。

作用：

通过本函数可以返回一个或一组服从标准正态分布的随机样本值。

特点：
标准正态分布是以0为均数、以1为标准差的正态分布，记为N（0，1）。对应的正态分布曲线如下所示，即

标准正态分布曲线下面积分布规律是：

       在-1.96～+1.96范围内曲线下的面积等于0.9500（即取值在这个范围的概率为95%），在-2.58～+2.58范围内曲线下面积为0.9900（即取值在这个范围的概率为99%）.

       因此，由 np.random.randn()函数所产生的随机样本基本上取值主要在-1.96~+1.96之间，当然也不排除存在较大值的情形，只是概率较小而已。

numpy.random.uniform()

1. 函数原型：  numpy.random.uniform(low,high,size)

功能：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。这里顺便说下ndarray类型，表示一个N维数组对象，其有一个shape（表维度大小）和dtype（说明数组数据类型的对象），使用zeros和ones函数可以创建数据全0或全1的数组，原型：

    numpy.ones(shape,dtype=None,order='C'),
其中，shape表数组形状（m*n）,dtype表类型,order表是以C还是fortran形式存放数据。

2. 类似uniform，还有以下随机数产生函数：
    a. randint: 原型：numpy.random.randint(low, high=None, size=None, dtype='l')，产生随机整数；
    b. random_integers: 原型： numpy.random.random_integers(low, high=None, size=None)，在闭区间上产生随机整数；
    c. random_sample: 原型： numpy.random.random_sample(size=None)，在[0.0,1.0)上随机采样；
    d. random: 原型： numpy.random.random(size=None)，和random_sample一样，是random_sample的别名；
    e. rand: 原型： numpy.random.rand(d0, d1, ..., dn)，产生d0 - d1 - ... - dn形状的在[0,1)上均匀分布的float型数。
    f. randn: 原型：numpy.random.randn（d0,d1,...,dn),产生d0 - d1 - ... - dn形状的标准正态分布的float型数。

具体实践，见博客：https://blog.csdn.net/u013920434/article/details/52507173

直方图绘制参考：https://www.cnblogs.com/LiErRui/articles/11588399.html

Example code:

import matplotlib.pyplot as plt

import numpy as np

s = np.random.uniform(0,1,1000)      # 产生1200个[0,1)的数

count, bins, ignored = plt.hist(s, 10, normed=True)

"""

 hist原型：

 matplotlib.pyplot.hist(x, bins=10, range=None, normed=False, weights=None,

 cumulative=False, bottom=None, histtype='bar', align='mid', 

 orientation='vertical',rwidth=None, log=False, color=None, label=None, 

 stacked=False, hold=None,data=None,**kwargs)

 输入参数很多，具体查看matplotlib.org,本例中用到3个参数，分别表示：s数据源，bins=12表示bin 

 的个数，即画多少条条状图，normed表示是否归一化，每条条状图y坐标为n/(len(x)`dbin),整个条状图积分值为1

 输出：count表示数组，长度为bins，里面保存的是每个条状图的纵坐标值

  bins:数组，长度为bins+1,里面保存的是所有条状图的横坐标，即边缘位置

  ignored: patches，即附加参数，列表或列表的列表，本例中没有用到。

"""

plt.plot(bins, np.ones_like(bins), linewidth=2, color='r')

plt.show()

点滴分享，福泽你我！Add oil！