用python numpy实现【-1000，1000】高斯分布, 并获得每个点的权重

在Python中，我们可以使用NumPy库来生成高斯分布。高斯分布也被称为正态分布，可以使用`numpy.random.normal()`函数来创建。这里我们生成范围在[-1000, 1000]之间的高斯分布，并计算每个点的权重（概率密度）。首先，我们需要安装NumPy，如果还没有安装的话：

pip install numpy

然后，你可以使用以下代码实现这个功能：

import numpy as np

# 设置高斯分布的标准差和均值
mean = 0
std_dev = 500  # 可以调整标准差控制分布的宽度

# 创建指定范围内的高斯分布数组
gaussian_distribution = np.random.normal(mean, std_dev, size=10000)

# 计算每个点的概率密度，这将是一个归一化的权重
weights = gaussian_distribution / np.sum(gaussian_distribution)  # 归一化使得所有权重之和为1

# 提供的点的索引和对应的权重
data_points = list(zip(range(-1000, 1001), weights))