np.random.randn默认生成范围

np.random.randn函数默认生成的随机数范围是服从标准正态分布（均值为0，标准差为1）的随机数。这意味着生成的随机数大部分集中在0附近，并且随着距离0的增加而逐渐减小。生成的随机数可以是一个单独的值，也可以是一个数组或矩阵。

以下是一个演示np.random.randn函数生成随机数的例子：

import numpy as np

# 生成一个单独的随机数
rand_num = np.random.randn()
print(rand_num)  # 输出一个服从标准正态分布的随机数

# 生成一个包含2个随机数的数组
rand_array = np.random.randn(2)
print(rand_array)  # 输出一个包含2个服从标准正态分布的随机数的数组

# 生成一个3行2列的矩阵
rand_matrix = np.random.randn(3, 2)
print(rand_matrix)  # 输出一个3行2列的矩阵，其中的元素服从标准正态分布

相关问题

np.random.rand,np.random.randn,np.random.random

`np.random.rand`, `np.random.randn`, 和 `np.random.random` 都是 NumPy 中用于生成随机数的函数：

1. `np.random.rand(size)`：生成一个给定形状（size）的浮点数数组，其值均匀分布在 `[0, 1)` 区间内。所有元素都是独立同分布（i.i.d.）的，即彼此之间相互独立，且服从标准正态分布（均值为0，标准差为1）。

2. `np.random.randn(size)`：与 `rand` 类似，也是生成浮点数数组，但是其元素默认是标准正态分布的随机数，即均值为0，标准差为1。所以即使没有明确指定范围，生成的数也通常会被认为是在 [-3, 3] 左右的范围内。

3. `np.random.random(size)`：同样生成一个给定形状的浮点数数组，数组中的每一个元素都在 `[0, 1)` 范围内，与 `rand` 相似，也是 i.i.d. 的。

这些函数广泛应用于数据预处理、模拟实验等场景中，帮助创建随机样本。如果你需要生成特定范围内的非均匀分布随机数，可以结合其他技巧如 `a * rand() + b` 来调整生成值的范围。

np.random.randn怎么用

`np.random.randn` 是 NumPy 库中的一个函数，用于生成随机浮点数，这些数值服从标准正态分布，即平均值为0，标准差为1的高斯分布。在 Python 中，你可以使用以下语法：

import numpy as np

# 带参数 n 生成一个n维的正态分布数组
array = np.random.randn(n)

# 如果不指定参数 n，则默认生成一个一维数组，包含单个元素
array = np.random.randn()

这个函数可以接受一个整数参数，如 `np.random.randn(10)` 将生成一个长度为10的一维数组，每个元素都是独立的标准正态分布随机数。如果没有参数，它会生成一个标量值。