来自正态分布的 python 随机数 - Python

正态分布（也称为高斯分布）是一种常见的概率分布，具有中心极限定理，在自然界和社会科学中经常出现。Python 中的 numpy 模块可以用来生成来自正态分布的随机数。

步骤

要生成来自正态分布的随机数，需要完成以下步骤：

1. 导入 numpy 模块。
2. 使用 numpy 模块中的 random 函数并传入 loc 和 scale 参数（即均值和标准差）。
3. 利用 matplotlib 模块中的 hist 函数可视化生成的随机数分布情况。

下面是详细的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 设置均值和标准差
mu, sigma = 0, 0.1 

# 生成1000个来自正态分布的随机数
s = np.random.normal(mu, sigma, 1000)

# 绘制直方图
count, bins, ignored = plt.hist(s, 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')

plt.show()

解释

以上代码的详细解释如下：

• import numpy as np：导入 numpy 模块，并使用 np 来表示。
• import matplotlib.pyplot as plt：导入 matplotlib 模块，并使用 plt 来表示。
• mu, sigma = 0, 0.1：设置正态分布的均值和标准差，本示例中均值为 0，标准差为 0.1。
• np.random.normal(mu, sigma, 1000)：生成1000个均值为 mu，标准差为 sigma 的正态分布的随机数。
• plt.hist(s, 30, density=True)：绘制随机数的直方图，并将参数 density 设置为 True，以使其成为概率密度。
• plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * np.exp( - (bins - mu)**2 / (2 * sigma**2) ), linewidth=2, color='r')：绘制正态分布曲线。其中，bins 是直方图中每个直柱的边界，1/(sigma * np.sqrt(2 * np.pi)) * np.exp( - (bins - mu)**2 / (2 * sigma**2) ) 是正态分布的概率密度函数，linewidth 设置曲线的线宽，color 设置曲线的颜色。
• plt.show()：显示图像。

结论

通过以上代码可以生成来自正态分布的随机数，并对随机数的分布情况进行了可视化展示。此外，也可以通过调整均值和标准差等参数，生成不同参数下的正态分布随机数。