np.random.randn函数详细说明

np.random.randn函数是numpy中用于生成标准正态分布随机数的函数。它的作用是生成指定形状的ndarray数组，数组中的元素是从标准正态分布中随机抽取的。标准正态分布是指均值为0，标准差为1的正态分布。np.random.randn函数的语法格式如下：

numpy.random.randn(d0, d1, ..., dn)

其中，d0, d1, ..., dn表示生成的ndarray数组的形状，可以是一个整数，也可以是一个元组。如果没有指定形状，则默认生成一个标量。

下面是一个例子，生成一个形状为(2, 3)的ndarray数组：

import numpy as np

arr = np.random.randn(2, 3)
print(arr)

输出结果如下：

[[-0.23492478 -0.23492478 -0.23492478]
 [ 0.95672917  0.95672917  0.95672917]]

可以看到，生成的数组中的元素是从标准正态分布中随机抽取的。

相关问题

np.random.normal与np.random.randn()函数的区别

np.random.normal和np.random.randn()函数都可以用来生成服从正态分布的随机样本，但它们有一些区别。

np.random.normal函数的语法为：np.random.normal(loc, scale, size)，其中loc表示均值，scale表示标准差，size表示要生成的样本数目。该函数生成的样本符合指定均值和标准差的正态分布。

np.random.randn()函数用于生成服从标准正态分布（均值为0，标准差为1）的样本。该函数的语法为：np.random.randn(d0, d1, ..., dn)，其中d0, d1, ..., dn表示生成样本的维度。生成的样本数目由这些维度决定。

总结来说，np.random.normal函数可以通过指定均值和标准差来生成符合正态分布的随机样本，而np.random.randn()函数生成的样本均值为0，标准差为1。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [『Python学习笔记』np.random.rand()函数和np.random.randn()函数](https://blog.csdn.net/abc13526222160/article/details/86423754)[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_2"}}] [.reference_item style="max-width: 50%"]
- *3* [np.random一系列(np.random.normal()、np.random.randint、np.random.randn、np.random.rand)](https://download.csdn.net/download/weixin_38733382/13745169)[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_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

np.random.random()和np.random.randn

np.random.random()和np.random.randn()是NumPy库中用于生成随机数的函数。它们的作用和使用方法略有不同。
np.random.random()函数用于生成服从“0~1”均匀分布的随机样本值。该函数的语法为np.random.random(d0,d1,d2……dn)，可以返回一个或一组服从均匀分布的随机样本值。这些随机样本的取值范围是[0,1)，不包括1。在深度学习的Dropout正则化方法中，np.random.random()函数常用于生成dropout随机向量。例如，可以使用如下语句生成一个与数组al相同形状的dropout随机向量：dl = np.random.random(al.shape) < keep_prob。

np.random.randn()函数用于生成服从标准正态分布的随机样本值。该函数的语法为np.random.randn(d0,d1,d2……dn)，可以返回一个或一组服从标准正态分布的随机样本值。标准正态分布是以0为均值、以1为标准差的正态分布。在生成多维数组时，可以通过传入多个参数来指定数组的维度。需要注意的是，当函数没有参数时，返回一个浮点数；当函数有一个参数时，返回一个秩为1的数组；当函数有两个及以上参数时，返回对应维度的数组。在实际应用中，np.random.randn()函数常用于生成服从正态分布的随机数据。

总结：np.random.random()函数用于生成服从均匀分布的随机样本值，而np.random.randn()函数用于生成服从标准正态分布的随机样本值。