创建 包含 100 个服从正态分布随机数的数组

在Python中，我们可以使用NumPy库来生成服从正态分布的随机数，代码如下：

import numpy as np

# 生成包含100个服从正态分布随机数的数组
random_array = np.random.normal(size=100)

这里使用了NumPy库中的`random.normal()`函数，其中`size`参数指定了生成随机数的数量。这个函数返回的是一个包含指定数量随机数的数组。

相关问题

用python创建一个数值范围为0~1，间隔为0.01的数组，再创建100个服从正态分布的随机数数组，对上面已经创建的随机数组进行包括直接排序、间接排序、去重、求和、求均值、求标准差、求方差、求最小值、求最大值、求累计和、求累计积等统计分析。

好的，以下是用 Python 实现的代码：

import numpy as np

# 创建数值范围为0~1，间隔为0.01的数组
arr = np.arange(0, 1.01, 0.01)

# 创建100个服从正态分布的随机数数组
rand_arr = np.random.normal(size=100)

# 直接排序
sorted_arr = np.sort(rand_arr)

# 间接排序
indices = np.argsort(rand_arr)
sorted_indices = np.arange(len(rand_arr))[indices]

# 去重
unique_arr = np.unique(rand_arr)

# 求和
sum_val = np.sum(rand_arr)

# 求均值
mean_val = np.mean(rand_arr)

# 求标准差
std_val = np.std(rand_arr)

# 求方差
var_val = np.var(rand_arr)

# 求最小值
min_val = np.min(rand_arr)

# 求最大值
max_val = np.max(rand_arr)

# 求累计和
cumsum_arr = np.cumsum(rand_arr)

# 求累计积
cumprod_arr = np.cumprod(rand_arr)

以上就是对随机数组进行统计分析的代码。

使用notebook 创建一个包含101个服从正太分布的随机数组arr2

好的，以下是在 Jupyter Notebook 中创建一个包含101个服从正态分布的随机数组arr2的代码：

import numpy as np

np.random.seed(0) # 设置随机数种子，保证每次运行结果相同
arr2 = np.random.normal(size=101)
print(arr2)

在这里，我们使用了 NumPy 库中的 random.normal() 函数，它可以生成服从正态分布的随机数。具体地，np.random.normal(size=101) 表示生成101个服从标准正态分布的随机数。同时，我们使用了 np.random.seed() 函数来设置随机数种子，这样每次运行结果都会相同，方便调试和验证。

最终，我们使用 print() 函数打印数组 arr2。

希望这可以帮助你创建一个包含101个服从正态分布的随机数组arr2！