numpy库中，能够产生正态分布 样本值的西数是？

在numpy库中，能够产生正态分布样本值的函数是numpy.random.normal()。这个函数可以生成指定均值和标准差的正态分布样本值。例如，下面的代码可以生成均值为0，标准差为1的正态分布样本值：

import numpy as np

samples = np.random.normal(loc=0, scale=1, size=100)

其中，loc表示均值，scale表示标准差，size表示样本数量。

相关问题

NumPy模块中生成正态分布的随机函数是

NumPy模块中生成正态分布的随机函数是`numpy.random.normal()`。该函数可以用来生成一个或一组符合正态分布的随机数。其语法格式如下：

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

其中，`loc`表示正态分布的均值，默认为0；`scale`表示正态分布的标准差，默认为1；`size`表示输出的样本数目，可以是一个整数，也可以是一个元组。例如，生成一个均值为2，标准差为3，样本数为5的正态分布随机数可以使用如下代码：

import numpy as np

x = np.random.normal(loc=2, scale=3, size=5)
print(x)

运行结果可能如下：

[ 2.81648884  0.81797023 -0.79663691  4.10153179 -4.94713769]

利用Numpy产生正态分布图

以下是利用Numpy产生正态分布图的示例代码：

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')

# 添加标题和标签
plt.title('Normal distribution')
plt.xlabel('Value')
plt.ylabel('Probability density')

# 显示图像
plt.show()

运行以上代码，就可以生成一个正态分布图，如下图所示：