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实现正态分布

在Python中，我们可以利用NumPy库来生成正态分布。正态分布，也被称为高斯分布，是一种连续概率分布，通常用于描述许多自然现象。以下是使用NumPy生成正态分布的基本步骤：

import numpy as np

# 定义均值(mean)和标准差(std_dev)
mean = 0
std_dev = 1

# 使用numpy的normal函数生成正态分布
random_normal_distribution = np.random.normal(mean, std_dev, size=1000)

# 打印前几个值
print(random_normal_distribution[:5])

在这个例子中，`np.random.normal`函数接受三个参数：均值(mean)，标准差(std_dev)，以及样本大小(size)。你可以根据需要调整这两个参数来改变生成的随机数的特性。

如果你想创建一个特定形状的概率密度函数（PDF），可以使用`scipy.stats.norm`模块：

from scipy.stats import norm

# 创建正态分布对象
dist = norm(mean, std_dev)

# 计算PDF值
pdf_values = dist.pdf(range(-5, 6))

# 绘制PDF
import matplotlib.pyplot as plt
plt.plot(range(-5, 6), pdf_values)
plt.show()