用Python实现高斯成形

在Python中，我们可以使用random模块的gauss函数来生成高斯分布（也称正态分布）的数据，这属于概率论中的高斯成形过程。这个函数接受两个参数：均值（mean）和标准差（standard deviation），返回的是均值为中心，标准差为半径的一个随机数。

以下是一个简单的例子：

import random

# 设置均值和标准差
mu = 0  # 高斯分布的平均值
sigma = 1  # 高斯分布的标准偏差

# 生成100个高斯分布的随机数
gaussian_numbers = [random.gauss(mu, sigma) for _ in range(100)]

# 打印生成的结果
for num in gaussian_numbers:
    print(num)

在这个代码中，`random.gauss(mu, sigma)`会多次生成服从均值μ、标准差σ的高斯分布随机数，并将其添加到列表中。

如果你想将这些数值可视化为一个直方图来展示其分布情况，可以使用matplotlib库：

import matplotlib.pyplot as plt

plt.hist(gaussian_numbers, bins=50, density=True, alpha=0.5)
plt.title('高斯分布')
plt.xlabel('Value')
plt.ylabel('Probability Density')
plt.show()