np.random.normal 可以生成整数吗？

`np.random.normal` 生成的是正态分布的随机数，通常是浮点数。如果需要生成整数，可以使用 `np.random.randint`。例如，生成在 0 到 10 之间的随机整数可以使用以下代码：

import numpy as np

rand_int = np.random.randint(low=0, high=10)
print(rand_int)

其中 `low` 参数指定随机数的下界，`high` 参数指定随机数的上界，生成的随机整数在 `[low, high)` 范围内。如果需要生成多个随机整数，可以指定 `size` 参数，例如：

rand_ints = np.random.randint(low=0, high=10, size=5)
print(rand_ints)

以上代码将生成一个包含 5 个随机整数的 numpy 数组。

相关问题

np.random.normal能设置seed吗？

np.random.normal函数可以用于生成服从正态分布的随机数。可以通过设置seed来控制生成的随机数序列的重复性。

在numpy中，可以使用np.random.seed函数设置随机数生成器的种子。种子是一个整数，通过设置相同的种子，可以确保每次生成的随机数序列是一样的。

下面是使用np.random.normal函数生成服从正态分布的随机数，并设置种子的示例代码：

import numpy as np

# 设置种子为0
np.random.seed(0)

# 生成服从正态分布的随机数
random_numbers = np.random.normal(size=10)

print(random_numbers)

输出结果：

[ 1.76405235  0.40015721  0.97873798  2.2408932   1.86755799 -0.97727788
  0.95008842 -0.15135721 -0.10321885  0.4105985 ]

通过设置相同的种子，每次运行上述代码都会得到相同的随机数序列。

np.random.normal

np.random.normal是numpy库中的一个函数，用于生成服从正态分布（也称为高斯分布）的随机数。该函数有三个参数：loc（均值），scale（标准差）和size（数组的形状）。其中，均值和标准差确定了正态分布的形状，size确定了生成随机数的数量。

在给定均值和标准差的情况下，np.random.normal函数会生成服从指定正态分布的随机数。生成的随机数的数量由size参数确定，可以是一个整数或一个元组来指定数组的形状。生成的随机数的范围通常在均值加减几个标准差之内。

以下是一个示例代码，演示如何使用np.random.normal生成服从正态分布的随机数：

import numpy as np
y = np.random.normal(10, 1, 10000) # 生成均值为10，标准差为1的10000个随机数

请问还有什么问题我可以帮助您解答吗？