np.random.normal

`np.random.normal`是NumPy中的一个函数，用于生成服从正态分布（高斯分布）的随机数。函数原型如下：

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

其中，`loc`表示分布的均值，`scale`表示分布的标准差，`size`表示生成的随机数的个数或形状。

例如，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使用如下代码：

import numpy as np

# 均值为0，标准差为1，形状为(2, 3)的随机数数组
x = np.random.normal(loc=0.0, scale=1.0, size=(2, 3))

print(x)

输出：

[[-0.63705909  0.04512914 -2.06793774]
 [ 0.58201777 -0.18355666  0.0617149 ]]

相关问题

np.random.normal和np.random.randn区别

`np.random.normal` 和 `np.random.randn` 都是用于生成正态分布（高斯分布）随机数的函数，但它们之间存在一些区别。

`np.random.normal` 是 NumPy 库中的一个函数，用于生成具有指定平均值（mean）和标准偏差（standard deviation）的正态分布随机数。你可以指定分布的形状，例如，你可以选择生成一维、二维或多维的正态分布随机数。

而 `np.random.randn` 也是生成正态分布随机数，但它实际上是 `np.random.normal` 的一个简便调用方式。你可以直接使用 `np.random.randn` 来生成一维或二维的正态分布随机数。这意味着你不需要明确指定平均值和标准偏差，`randn` 会自动计算这些值。

简单来说，`np.random.normal` 和 `np.random.randn` 生成的正态分布随机数的数学性质略有不同，但功能是类似的。选择使用哪一个主要取决于你的具体需求。

np.random.normal和np.random.randn区别举例

np.random.normal和np.random.randn都是用于生成正态分布随机数的函数，但它们在使用上有一些区别。

np.random.normal可以用于生成来自指定平均值（mean）、标准偏差（standard deviation）和规模参数（scale parameter）的正态分布的随机数。这个函数需要你提供这些参数，以便生成符合要求的随机数。

举例来说，如果你想生成10个来自均值为0、标准偏差为1的正态分布的随机数，你可以使用以下代码：

import numpy as np

random_numbers = np.random.normal(loc=0, scale=1, size=10)

np.random.randn则是另一个常用的函数，它直接生成标准正态分布的随机数。这个函数不需要你提供任何参数，因为它生成的随机数本身就是符合正态分布的。

例如，你可以使用以下代码生成10个标准正态分布的随机数：

import numpy as np

random_numbers = np.random.randn(10)

这两种方法的主要区别在于：np.random.normal需要你明确指定正态分布的参数，而np.random.randn则直接生成符合正态分布的随机数。根据需要，你可以根据自己的选择使用这两种方法。