python函数 要求：生成正态分布的分布米芾函数

好的，生成正态分布的函数可以使用 Python 的 NumPy 模块中的 random.normal() 函数，该函数可以接受均值和标准差作为参数，返回一个正态分布的随机样本。示例代码如下：

import numpy as np

def generate_normal_distribution(mu, sigma):
    x = np.random.normal(mu, sigma, 1000)
    return x

其中，mu 和 sigma 分别为期望和标准差，1000 表示生成的样本数量。你可以根据需要自行更改。

相关问题

python生成正态分布图像

你可以使用 Python 中的 `numpy` 和 `matplotlib` 模块来生成正态分布图像。以下是一个简单的代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数据
mu, sigma = 0, 0.1 # 均值和标准差
data = np.random.normal(mu, sigma, 1000)

# 绘制直方图
count, bins, ignored = plt.hist(data, 30, density=True)

# 绘制正态分布曲线
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * np.exp( - (bins - mu)**2 / (2 * sigma**2) ), linewidth=2, color='r')

# 显示图像
plt.show()

上述代码中，使用 `np.random.normal` 函数生成了一个均值为 0，标准差为 0.1 的正态分布随机数据，然后使用 `plt.hist` 函数绘制了直方图，并使用 `plt.plot` 函数绘制了对应的正态分布曲线。最后调用 `plt.show` 函数显示图像。

python生成包含100个正态分布随机数的向量

可以使用numpy库的random模块中的normal函数来生成包含100个正态分布随机数的向量，代码如下：

import numpy as np

# 生成均值为0，标准差为1的正态分布随机数向量
vector = np.random.normal(0, 1, 100)

print(vector)