从正态混合分布中生成大小为1000的随机样本。混合组分具有N(0，1)和N(3，1)分布，混合概率为p1和p2=1-p1。

您可以使用以下代码来从正态混合分布中生成大小为1000的随机样本：

import numpy as np

# 设置混合分布的参数
p1 = 0.7  # 组件1的概率
p2 = 1 - p1  # 组件2的概率
mu1 = 0  # 组件1的均值
mu2 = 3  # 组件2的均值
sigma = 1  # 组件1和组件2的标准差（假设相等）

# 生成随机样本
sample_size = 1000
component_choice = np.random.choice([0, 1], size=sample_size, p=[p1, p2])
samples = np.zeros(sample_size)

for i in range(sample_size):
    if component_choice[i] == 0:
        samples[i] = np.random.normal(mu1, sigma)
    else:
        samples[i] = np.random.normal(mu2, sigma)

print(samples)

在上述代码中，我们首先设置了混合分布的参数：p1是组件1的概率，p2是组件2的概率（根据p1计算得到），mu1和mu2分别是组件1和组件2的均值，sigma是组件1和组件2的标准差（假设相等）。

然后，我们使用`np.random.choice`函数根据概率p1选择组件1或组件2作为每个样本的组成部分。最后，根据所选的组件，使用`np.random.normal`函数生成相应组件的随机样本，并将其存储在`samples`数组中。

请注意，由于使用随机数生成器，每次运行代码都会得到不同的结果。