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。