numpy.random.normal
时间: 2023-03-05 17:55:54 浏览: 50
numpy.random.normal 是 NumPy 库中的一个函数,用于生成符合正态分布(也称为高斯分布)的随机数。该函数的语法如下:
numpy.random.normal(loc=0.0, scale=1.0, size=None)
其中,loc 表示正态分布的均值,scale 表示正态分布的标准差,size 表示生成的随机数的数量或形状。例如,如果我们想生成一个均值为 0、标准差为 1,形状为 (2, 3) 的正态分布随机数数组,可以这样调用该函数:
```python
import numpy as np
arr = np.random.normal(loc=0.0, scale=1.0, size=(2, 3))
print(arr)
```
输出结果可能如下所示:
```
[[ 1.76405235 0.40015721 0.97873798]
[ 2.2408932 1.86755799 -0.97727788]]
```
相关问题
python中numpy.random.normal()正态分布
numpy.random.normal() 是用来生成符合正态分布的随机数的函数,其函数原型为:
numpy.random.normal(loc=0.0, scale=1.0, size=None)
其中,loc 表示正态分布的均值,scale 表示正态分布的标准差,size 表示生成的随机数的个数。
例如,生成一个均值为 2,标准差为 3 的正态分布随机数序列:
```python
import numpy as np
x = np.random.normal(loc=2, scale=3, size=10)
print(x)
```
输出:
```
[ 5.45527438 0.4294196 2.95377819 -5.87792558 3.50249989 -0.88993025
-0.62687067 0.51272534 4.96118206 2.16785125]
```
其中,每个随机数的值都符合均值为 2,标准差为 3 的正态分布。
numpy.random讲解
NumPy是Python中一个广泛使用的科学计算库,numpy.random模块是NumPy中专门用于生成各种随机数的模块,提供了非常丰富的随机数生成函数。
下面是一些常用的numpy.random函数:
1. numpy.random.rand(d0, d1, ..., dn):生成一个0到1之间的随机浮点数,可以传入多维度的参数。
2. numpy.random.randn(d0, d1, ..., dn):生成一个标准正态分布的随机浮点数,可以传入多维度的参数。
3. numpy.random.randint(low, high=None, size=None, dtype='l'):生成一个指定范围内的整数,可以指定生成的数组形状。
4. numpy.random.normal(loc=0.0, scale=1.0, size=None):生成一个指定均值和标准差的正态分布随机数,可以指定生成的数组形状。
5. numpy.random.choice(a, size=None, replace=True, p=None):从序列a中随机选择元素,可以指定元素的概率分布。
6. numpy.random.shuffle(x):将数组x中的元素随机打乱。
7. numpy.random.seed(seed=None):指定随机数生成器的种子,以便于重复实验。
使用方法如下:
```python
import numpy as np
# 生成一个2x3的随机浮点数数组
print(np.random.rand(2, 3))
# 生成一个2x3的标准正态分布随机数数组
print(np.random.randn(2, 3))
# 生成一个1到10之间的随机整数数组,形状为2x3
print(np.random.randint(1, 10, size=(2, 3)))
# 生成一个均值为0,标准差为1的正态分布随机数数组,形状为2x3
print(np.random.normal(loc=0, scale=1, size=(2, 3)))
# 从列表中随机选择两个元素
a = [1, 2, 3, 4, 5]
print(np.random.choice(a, size=2))
# 将列表随机打乱
np.random.shuffle(a)
print(a)
# 指定随机数生成器的种子,以便于重复实验
np.random.seed(0)
print(np.random.rand(2, 3))
np.random.seed(0)
print(np.random.rand(2, 3))
np.random.seed(1)
print(np.random.rand(2, 3))
```
以上代码输出结果如下:
```
[[0.57959628 0.08073821 0.10431304]
[0.15776023 0.68428247 0.60793829]]
[[ 0.12372191 -0.31097988 0.37756379]
[-1.2319817 -0.3248719 0.56368516]]
[[8 4 7]
[4 9 5]]
[[ 0.5488135 1.96578057 0.24875314]
[ 0.16454949 0.56702035 -0.22232814]]
[1 3]
[4, 5, 2, 1, 3]
[[0.5488135 0.71518937 0.60276338]
[0.54488318 0.4236548 0.64589411]]
[[0.5488135 0.71518937 0.60276338]
[0.54488318 0.4236548 0.64589411]]
[[4.17022005e-01 7.20324493e-01 1.14374817e-04]
[3.02332573e-01 1.46755891e-01 9.23385948e-02]]
```
需要注意的是,numpy.random模块中的随机数生成器都是伪随机数生成器,它们的随机数序列是通过固定的算法和种子生成的,因此可以通过设置种子来控制随机数的生成,以便于重复实验。