numpy正态分布随机数
Numpy正态分布随机数
正态分布是数据分析中最重要的一个分布，因为它能够用在众多的应用场景中，比如金融学、统计学、物理学等等。在Python世界中，我们经常使用Numpy库来处理数组和矩阵运算，Numpy提供的random函数可以生成各种形式的随机数，包括正态分布的随机数。
Numpy提供的正态分布随机数生成函数为al，其语法如下：
al(loc=0.0, scale=1.0, size=None)
其中，loc是正态分布的均值，scale是标准差，size是数组的形状。这个函数返回一个随机数数组，数组的元素符合正态分布。
例如，如果我们需要生成一个长度为10的，均值为0，标准差为1的一维数组，可以使用下面的代码：
```python
import numpy as np
x = al(loc=0.0, scale=1.0, size=10)
print(x)
```
代码的输出如下所示：
```
[-0.38949933 -1.25588127  0.47422674 -1.0377732  -0.56132405
  0.72771743 -0.20399998 -1.15566239  1.16021168 -0.87163988]
```
可以看到，生成的数组中的每个元素都是随机的，并且遵循正态分布的特点。
除了生成一维数组，我们还可以使用Numpy的reshape函数把一维数组转化为多维数组。例如，下面的代码会生成一个3x3的二维数组：
```python
x = al(loc=0.0, scale=1.0, size=9).reshape((3, 3))
print(x)
```
这里，我们先生成了一个长度为9的一维数组，然后使用reshape函数把它转化为3x3的二维数组。代码的输出如下：
```
[[-1.4993834  1.13335147  0.57137628]
[ 0.17366399 -0.54516149 -0.55541017]
[-0.64802695 -0.09647109  0.3021026 ]]
```
同样的，我们还可以使用reshape函数把一维数组转化为多维数组，例如，下面的代码会生成一个3x3x3的三维数组：
```python
x = al(loc=0.0, scale=1.0, size=27).reshape((3,3,3))
print(x)
```
这里，我们先生成了一个长度为27的一维数组，然后使用reshape函数把它转化为3x3x3的三维数组。代码的输出如下：
```
[[[-1.01242052  0.07468108  0.97545642]
  [-1.34806737  0.05450835  0.30235531]
  [-0.31833535  0.64719871  0.04360269]]
[[ 1.78661821 -0.35813795 -0.0821399 ]
  [ 0.347306  -0.14289277 -0.33632496]
  [-1.63913416 -1.43809352  0.42933852]]numpy库中出数组的唯一值
[[-0.65177729  0.11793635  0.00550529]
  [-1.41028745  0.19896346 -1.34777871]
  [ 0.2442888  -0.3788043  -0.40612314]]]
```
总之，Numpy提供的random函数是数据分析和科学计算中必不可少的工具之一，其生成的正态分布随机数可以应用在许多领域中。我们可以通过调整loc、scale和size参数的值，来生成不同形状和统计性质的随机数数组。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。