问：当我创建随机数时，是否可以为它们指定一个dtype。
答：不，它不是。randn只接受randn（d0，d1，...，dn）形式的形状。
简单地试试这个：

x = np.random.randn(10, 10).astype('f')

或者定义一个新函数，如

np.random.randn2 = lambda *args, dtype=np.float64: np.random.randn(*args).astype(dtype)
x = np.random.randn2(10, 10, dtype='f')

如果您必须在帖子中使用您的代码，请尝试以下代码

x = np.zeros((10, 10), dtype='f')
x[:] = np.random.randn(*x.shape)

这会将randn的结果分配给np.zeros分配的内存

让我开始说numpy现在支持随机整数的dtypes。这个增强可以通过numpy的github上的Issue #6790来跟踪。但是到目前为止，这个工具还不能用于gaussian RNG。我需要这个工具，所以我为numpy写了这个补丁，https://gist.github.com/se4u/e44f631b249e0be03c21c6c898059176
该补丁只增加了对生成float值的支持，它不处理其他数据类型，但它可能仍然对某些人有帮助。

更新日期：2020年9月27日

random.Generator提供支持dtype关键字的RNG，例如numpy.random.default_rng().standard_normal(size=1, dtype='float32')给出float32类型的1标准高斯。

我想通常您可以简单地使用randint，例如：

np.random.randint(low=0, high=256, size=(256,256,3), dtype=np.uint8)

randn函数随机地将给定形状的数组对象初始化为“np.float64”您可以通过执行以下操作自己找到这一点：

a = np.random.rand(2,3)
b = a[1,2]
print (type(b))
print (type(a))

输出如下：

<class 'numpy.float64'>
<class 'numpy.ndarray'>