np.random.normal函数使用

np.random.normal函数是NumPy库中的一个函数，用于生成符合正态分布（高斯分布）的随机数。它的语法如下：

numpy.random.normal(loc=0.0, scale=1.0, size=None)

参数说明：
- loc：正态分布的均值（期望值）。
- scale：正态分布的标准差。
- size：输出的随机数大小，可以是整数、元组或者None。

例如，如果你想生成一个均值为0，标准差为1的正态分布随机数，可以这样使用：

import numpy as np

random_numbers = np.random.normal(0, 1, size=10)
print(random_numbers)

这将生成一个包含10个随机数的NumPy数组，这些随机数符合均值为0，标准差为1的正态分布。你可以根据需要调整均值、标准差和随机数的大小。

相关问题

np.random.normal与np.random.randn()函数的区别

np.random.normal和np.random.randn()函数都可以用来生成服从正态分布的随机样本，但它们有一些区别。

np.random.normal函数的语法为：np.random.normal(loc, scale, size)，其中loc表示均值，scale表示标准差，size表示要生成的样本数目。该函数生成的样本符合指定均值和标准差的正态分布。

np.random.randn()函数用于生成服从标准正态分布（均值为0，标准差为1）的样本。该函数的语法为：np.random.randn(d0, d1, ..., dn)，其中d0, d1, ..., dn表示生成样本的维度。生成的样本数目由这些维度决定。

总结来说，np.random.normal函数可以通过指定均值和标准差来生成符合正态分布的随机样本，而np.random.randn()函数生成的样本均值为0，标准差为1。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [『Python学习笔记』np.random.rand()函数和np.random.randn()函数](https://blog.csdn.net/abc13526222160/article/details/86423754)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *3* [np.random一系列(np.random.normal()、np.random.randint、np.random.randn、np.random.rand)](https://download.csdn.net/download/weixin_38733382/13745169)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

np.concatenate([np.random.normal(1, 2, 1000), np.random.normal(5, 3, 1000), np.random.normal(10, 7, 1000)])

这是一个将三个不同的正态分布数组连接起来的 NumPy 函数，其中第一个数组的均值为 1，标准差为 2，第二个数组的均值为 5，标准差为 3，第三个数组的均值为 10，标准差为 7。最终的数组长度为 3000。