给数组中的每个数据加上噪音的方法：

import numpy as np

a = np.arange(10).reshape(5,2)
a
Out[83]: 
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])

假设原数组如上所示，为5行2列，那么想给每个数据都加上噪音可以一行代码完成：

np.random.normal(a, err)

其中err是欲设置的噪音的方差。

具体的理解就是：

如果对于np.random.normal这个方法，如果传入的参数是数组型的，比如第一个参数是[1, 2, 3]， 第二个参数是数字型，第三个参数可选，如果第三个参数也传入，则该参数就必须是数字，因为这时候生成的数组的shape是（k, 3)，k就是第三个参数值，数组的每一列分别满足均值为1,2和3，方差都为4的正态分布；

而如果第一个参数传入的是（m, n）的这种，那么第三个参数是无法指定的（目前我是这么感觉的），第二个参数，也就是scale，如果也要传入数组，那么形状必须和第一个参数相同，也即（m,n），否则只能传入标量数值，生成的结果也是（m,n）的数组，相当把数组中的每个数变成以该位置原数据为均值，以第二个参数为方差的有噪音的数据，这样就实现了给所有的数据都加上噪音。

下面是一个手写数字的加噪音应用实例：

from sklearn.datasets import load_digits
digits = load_digits()


def plot_digits(data):

    fig, ax = plt.subplots(4, 10, subplot_kw=dict(xticks=[], yticks=[]),
                           gridspec_kw=dict(wspace=0.1, hspace=0.1))
    for i, axi in enumerate(ax.flat):
        axi.imshow(data[i].reshape(8, 8), cmap='binary', 
                    interpolation='nearest', vmin=0, vmax=16)
    plt.show()

"""不加噪音画图"""
plot_digits(digits.data)

"""加噪音后画图"""
noisy = np.random.normal(digits.data, 4)
plot_digits(noisy)

加噪音前画图： 

 加噪音后画图：