python中np.random.randn()用法

### 回答1：
np.random.randn()是NumPy中用于生成符合标准正态分布（均值为0，标准差为1）的随机数的函数。它可以接受一个或多个参数来指定生成随机数的形状。

例如，np.random.randn(3)将生成一个长度为3的一维数组，其中的元素符合标准正态分布。

import numpy as np

arr = np.random.randn(3)
print(arr)
# 输出示例：array([-0.66270912,  0.490389, -0.2716469])

如果将参数指定为多个值，将会生成对应形状的多维数组。

import numpy as np

arr = np.random.randn(2, 2)
print(arr)
# 输出示例：array([[-0.21786642,  0.11282491],
#              [-1.7598644 ,  0.9035075 ]])

np.random.randn()函数生成的随机数是服从正态分布的，因此它们的值会围绕着均值0左右波动，且波动范围依据标准差1来决定。生成的随机数可能正数也可能为负数，而且它们的取值范围没有明确的上下限。

需要注意的是，np.random.randn()函数实际上是调用了np.random.standard_normal()函数，即生成符合标准正态分布的随机数。如果需要自定义均值和标准差，可以使用np.random.normal()函数来生成随机数。

总结来说，np.random.randn()函数用于生成符合标准正态分布的随机数，可以指定形状，没有明确的取值上下限。

### 回答2：
np.random.randn()是numpy库的一个函数，用于生成服从标准正态分布的随机数。它的作用类似于np.random.normal()，但没有指定均值和标准差，只能生成标准正态分布的随机数。

它的使用方法很简单，不需要传入参数，直接调用即可生成一个服从标准正态分布的随机数。返回值是一个浮点数或一个浮点数数组，具体数量由调用该函数时的参数决定。

下面是一个示例：

import numpy as np

random_num = np.random.randn()
print(random_num)

运行上面的代码，会输出一个服从标准正态分布的随机数。每次运行都会得到一个不同的随机数。

np.random.randn()常用于模拟实验、生成随机样本等场景。如果需要生成多个服从标准正态分布的随机数，可以传入一个整数参数n，表示生成n个随机数。

下面是一个生成多个随机数的示例：

import numpy as np

random_nums = np.random.randn(3)
print(random_nums)

运行上面的代码，会输出一个包含3个服从标准正态分布的随机数的数组。

总结起来，np.random.randn()用于生成服从标准正态分布的随机数，可以不带参数生成一个随机数，也可以带一个整数参数生成多个随机数。

### 回答3：
np.random.randn() 是 numpy 库中的函数，用于产生指定形状的随机数数组，数组中的元素服从标准正态分布（均值为0，方差为1）。

该函数的常见用法为 np.random.randn(d0, d1, ..., dn)，其中 d0, d1, ..., dn 分别表示数组的维度。函数返回一个具有指定维度的随机数组。

例如，若希望生成一个shape为(2, 3)的随机数组，则可以使用 np.random.randn(2, 3)。得到的数组可能如下所示：

[[0.43216738, -0.7853901, 0.38932764]
[1.16901737, -1.00525549, 0.12105563]]

生成的数组中的元素是根据标准正态分布生成的，在实际应用中经常用于模拟随机实验和生成随机样本。

需要注意的是，np.random.randn() 函数是从标准正态分布生成随机数，若需要根据其他均值和方差的分布生成随机数，可以使用 np.random.normal() 函数。