python中np.random.randn()用法
时间: 2023-07-15 08:01:53 浏览: 262
python中的随机函数random的用法示例
### 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。
阅读全文