📜  Python| Numpy np.lognormal() 方法(1)

📅  最后修改于: 2023-12-03 15:04:20.976000             🧑  作者: Mango

Python | Numpy np.lognormal() 方法

在Python的NumPy模块中,np.lognormal()是一个用于生成服从对数正态分布的随机变量的函数。本文将介绍此方法的使用方法。

方法原型
np.random.lognormal(mean=0.0, sigma=1.0, size=None)
参数说明
  • mean:对数正态分布的均值。
  • sigma:对数正态分布的标准差。
  • size:生成的随机变量的数目。
返回值

随机变量,满足对数正态分布。

示例代码
import numpy as np

# 生成一个数目为5的对数正态分布样本集
lognormal_sample = np.random.lognormal(mean=1, sigma=0.5, size=5)

print('对数正态分布样本集:')
print(lognormal_sample)

# 查看样本的均值和标准差
print('均值为:', lognormal_sample.mean())
print('标准差为:', lognormal_sample.std())
示例代码输出
对数正态分布样本集:
[ 2.78336318  2.25663287  1.73542221  1.67610408  5.08016777]
均值为: 2.50613722303
标准差为: 1.40835818891

本示例使用了np.random.lognormal()方法生成了一个均值为1,标准差为0.5的对数正态分布样本集。

在输出中,我们可以看到样本集中的随机变量,以及样本集的均值和标准差。