np.random.normal

np.random.normal是numpy库中的一个函数，用于生成服从正态分布（也称为高斯分布）的随机数。该函数有三个参数：loc（均值），scale（标准差）和size（数组的形状）。其中，均值和标准差确定了正态分布的形状，size确定了生成随机数的数量。

在给定均值和标准差的情况下，np.random.normal函数会生成服从指定正态分布的随机数。生成的随机数的数量由size参数确定，可以是一个整数或一个元组来指定数组的形状。生成的随机数的范围通常在均值加减几个标准差之内。

以下是一个示例代码，演示如何使用np.random.normal生成服从正态分布的随机数：

import numpy as np
y = np.random.normal(10, 1, 10000) # 生成均值为10，标准差为1的10000个随机数

请问还有什么问题我可以帮助您解答吗？

相关问题

np.random.normal函数

np.random.normal函数是numpy库中用于生成正态分布随机数的函数。具体用法为：

np.random.normal(loc=0.0, scale=1.0, size=None)

其中，loc是正态分布的均值，scale是正态分布的标准差，size是生成随机数的数量。如果不指定size，则默认生成一个随机数。

例如，生成一个均值为0，标准差为1的正态分布随机数，可以使用以下代码：

import numpy as np

num = np.random.normal(loc=0.0, scale=1.0)
print(num)

输出结果可能为：-0.187319956319。

如果要生成多个正态分布随机数，可以指定size参数：

import numpy as np

nums = np.random.normal(loc=0.0, scale=1.0, size=5)
print(nums)

输出结果可能为：[ 0.19401457 -1.29832344 -0.74352327 -0.46175006 -0.71953325]。

np.random.normal返回值

`np.random.normal()`函数返回一个由指定均值和标准差的正态（高斯）分布随机样本组成的数组。

以下是一个演示`np.random.normal()`函数的例子：

import numpy as np

# 生成一个均值为0，标准差为1的正态分布随机样本数组
samples = np.random.normal(0, 1, size=10)

print(samples)

输出：

[-0.04575852 -0.20263163 -0.17498617 -0.21482022 -0.06476447  0.27623891
 -0.18694787 -0.03292684 -0.01983494 -0.04571928]