python random 正态分布

在 Python 的 random 模块中，可以通过使用 `gauss(mu, sigma)` 函数来生成服从正态分布（高斯分布）的随机数。其中，`mu` 表示均值，`sigma` 表示标准差。

下面是一个简单的例子：

import random

mu = 0  # 均值
sigma = 1  # 标准差

random_num = random.gauss(mu, sigma)
print(random_num)

这个例子中，我们设置了均值 `mu` 为 0，标准差 `sigma` 为 1，然后使用 `gauss()` 函数生成一个服从正态分布的随机数，并打印出来。

你也可以使用 `numpy` 库来生成更多服从正态分布的随机数，具体可以参考 `numpy.random.normal()` 函数。

相关问题

python random 生成正态分布随机数

可以使用 NumPy 库的 `numpy.random.normal` 函数生成正态分布随机数。该函数的参数包括平均值、标准差和生成随机数的数量。示例如下：

import numpy as np

# 生成均值为 0，标准差为 1 的正态分布随机数
random_numbers = np.random.normal(0, 1, 1000)

# 打印前 10 个随机数
print(random_numbers[:10])

输出：

[ 1.27713316  0.98427101 -1.83759404 -0.19936505  0.13341411  0.55012827
 -1.23181259  0.13879174 -1.10156581 -0.44678064]

python画图正态分布

要使用Python绘制正态分布图，你可以使用scipy库中的stats模块生成正态分布的数据，并使用matplotlib库进行绘图。下面是一个简单的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm

# 生成正态分布数据
mu = 0  # 均值
sigma = 1  # 标准差
data = np.random.normal(mu, sigma, 1000)

# 计算概率密度函数(PDF)
x = np.linspace(-4, 4, 100)  # X轴的取值范围
pdf = norm.pdf(x, mu, sigma)

# 绘制正态分布图
plt.plot(x, pdf, color='red', label='Normal Distribution')
plt.hist(data, bins=30, density=True, alpha=0.5, label='Data Histogram')

# 设置标题和标签
plt.title("Normal Distribution")
plt.xlabel("Value")
plt.ylabel("Probability Density")

# 添加图例
plt.legend()

# 显示图形
plt.show()

在这个例子中，我们首先使用`np.random.normal()`函数生成了1000个服从均值为0、标准差为1的正态分布随机数。然后，使用`norm.pdf()`函数计算了正态分布的概率密度函数，并将其在指定范围内进行绘制。接下来，使用`plt.hist()`函数绘制了数据的直方图，并使用`density=True`将直方图转换为概率密度形式。最后，使用`plt.title()`、`plt.xlabel()`和`plt.ylabel()`函数设置标题和标签，使用`plt.legend()`函数添加图例，并使用`plt.show()`显示图形。

你可以根据自己的需求修改代码，例如调整均值、标准差、数据数量等参数，或者修改绘图的范围和样式。希望对你有帮助！