python根据概率密度函数随机值

可以使用Python中的numpy库来生成符合指定概率密度函数的随机数。具体步骤如下：

1. 导入numpy库：`import numpy as np`

2. 定义概率密度函数，例如正态分布概率密度函数：`pdf = lambda x: np.exp(-(x - mu)**2 / (2 * sigma**2)) / (sigma * np.sqrt(2 * np.pi))`

其中，mu和sigma为正态分布的均值和标准差。

3. 使用numpy库的random模块中的`choice()`函数来生成符合概率密度函数的随机数。`choice()`函数的第一个参数为随机数的范围，第二个参数为对应范围内每个值的概率密度函数值。例如，生成1000个符合正态分布概率密度函数的随机数代码如下：

a = np.arange(-3, 3, 0.1)
p = pdf(a)
samples = np.random.choice(a, 1000, p=p)

其中，a为随机数范围，p为对应范围内每个值的概率密度函数值，samples为生成的随机数。

注意，概率密度函数的值需要归一化，即所有值的和为1。可以使用numpy库的`trapz()`函数来计算概率密度函数的积分值，然后对概率密度函数的值进行归一化。