如何深入掌握Python random.normal函数生成正态分布随机数的技巧与应用？
- 内容介绍
- 文章标签
- 相关推荐
本文共计449个文字，预计阅读时间需要2分钟。
Python 的 `random.normal()` 函数用于生成符合正态分布（也称高斯分布）的随机数。正态分布是一种重要的统计分布，它描述了自然界中许多现象的分布情况，如身高、体重、心理测试分数等。
Python random.normal函数是用于生成符合正态分布（也称为高斯分布）的随机数的函数。正态分布是一种重要的统计分布，它描述了自然界中很多现象的分布情况，如身高、体重、心理测验成绩等等。
使用方法函数语法：random.normal(loc=0.0, scale=1.0, size=None)
- loc：指定均值（期望值）。
- scale：指定标准差。
- size：指定生成的随机数数量，可以是一个数，也可以是一个元组。
返回值：符合正态分布的随机数数组。
例一以下代码生成了一个含有100个符合均值为0，标准差为1的正态分布的随机数的数组。并使用 Matplotlib 绘制出密度图。
import numpy as np
import matplotlib.pyplot as plt
# 生成数据
data = np.random.normal(0, 1, 100)
# 绘制密度图
plt.hist(data, bins=20, density=True)
plt.show()
结果：
下面的例子使用normal函数生成一个6×6的矩阵。
import numpy as np
data = np.random.normal(0, 1, (6,6))
print(data)
结果：
[[-0.03725491 2.10209128 -0.99836227 1.06350441 -1.36598371 -0.57028643]
[-0.8157514 -1.01831843 -0.50694461 0.07882841 -2.19269375 2.82355999]
[ 0.19709071 1.79025655 -0.11623287 -0.59678046 -0.2096524 -1.25976378]
[-0.74935753 2.06729079 -0.85536198 1.18378831 0.74837431 -0.94368879]
[ 0.03515072 -1.34311014 -0.06263084 -0.31418706 2.30058509 0.29170891]
[-1.43644587 -0.88874484 -0.2793162 -0.8465453 -0.68690591 1.09024235]]
本文共计449个文字，预计阅读时间需要2分钟。
Python 的 `random.normal()` 函数用于生成符合正态分布（也称高斯分布）的随机数。正态分布是一种重要的统计分布，它描述了自然界中许多现象的分布情况，如身高、体重、心理测试分数等。
Python random.normal函数是用于生成符合正态分布（也称为高斯分布）的随机数的函数。正态分布是一种重要的统计分布，它描述了自然界中很多现象的分布情况，如身高、体重、心理测验成绩等等。
使用方法函数语法：random.normal(loc=0.0, scale=1.0, size=None)
- loc：指定均值（期望值）。
- scale：指定标准差。
- size：指定生成的随机数数量，可以是一个数，也可以是一个元组。
返回值：符合正态分布的随机数数组。
例一以下代码生成了一个含有100个符合均值为0，标准差为1的正态分布的随机数的数组。并使用 Matplotlib 绘制出密度图。
import numpy as np
import matplotlib.pyplot as plt
# 生成数据
data = np.random.normal(0, 1, 100)
# 绘制密度图
plt.hist(data, bins=20, density=True)
plt.show()
结果：
下面的例子使用normal函数生成一个6×6的矩阵。
import numpy as np
data = np.random.normal(0, 1, (6,6))
print(data)
结果：
[[-0.03725491 2.10209128 -0.99836227 1.06350441 -1.36598371 -0.57028643]
[-0.8157514 -1.01831843 -0.50694461 0.07882841 -2.19269375 2.82355999]
[ 0.19709071 1.79025655 -0.11623287 -0.59678046 -0.2096524 -1.25976378]
[-0.74935753 2.06729079 -0.85536198 1.18378831 0.74837431 -0.94368879]
[ 0.03515072 -1.34311014 -0.06263084 -0.31418706 2.30058509 0.29170891]
[-1.43644587 -0.88874484 -0.2793162 -0.8465453 -0.68690591 1.09024235]]