x = np.random.randn(1000, 3)

在numpy库中，`np.random.randn()` 函数用于生成一组随机浮点数，其分布遵循标准正态分布（平均值为0，标准差为1）。当你设置 `(1000, 3)` 作为参数，它会创建一个1000行3列的二维数组，每个元素都是独立的标准正态分布随机数。

下面是如何创建这个矩阵并打印其形状的示例：

import numpy as np

# 生成一个1000行3列的标准正态分布随机矩阵
x = np.random.randn(1000, 3)

# 打印矩阵x的维度
print(x.shape)  # 输出 (1000, 3)

相关问题

y = np.random.randn(2)

在NumPy库中，`np.random.randn(2)`是一个命令，它用于生成一个形状为(2,)的一维随机数组，其中的元素是服从标准正态分布（平均值为0，标准差为1）的浮点数。`randn`代表“random normal”，即随机正态分布。这里 `(2)`表示数组中有2个随机数。

简单来说，这个语句相当于创建了一个长度为2的列表，每个元素都是独立的随机数，符合高斯分布，也就是常说的常态分布。

举个例子：

import numpy as np

y = np.random.randn(2)
print(y)

运行这段代码可能会得到类似这样的结果：`[1.23456789, -0.98765432]`，但这每次运行都会有所变化，因为它们是随机生成的。

z=np.random.randn（）

z=np.random.randn()是一个使用NumPy库中的random.randn函数生成一个服从标准正态分布（均值为0，标准差为1）的随机数。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [【知识点】np.random.randn()](https://blog.csdn.net/mzy20010420/article/details/126820187)[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_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [numpy中的np.random.rand、np.random.randn、np.random.randint、np.random.uniform等用法](https://blog.csdn.net/qq_29983883/article/details/131143569)[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_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]