本文介绍了如何使用Numpy库在Python中生成正态分布和均匀分布的数据。首先，回顾了正态分布的基础概念，包括其性质和标准正态分布。接着，详细说明了`np.random.randn()`、`np.random.normal()`和`np.random.standard_normal()`等函数用于生成正态分布数据的方法，并给出具体示例。随后，讨论了均匀分布，重点讲述了`np.random.rand()`和`np.random.uniform()`的使用，以及`np.random.randint()`用于生成整数分布的例子。最后，建议通过画图来直观查看分布情况。
一、正态分布
1.1 基础概念复习：正态分布（理解）
a. 什么是正态分布
正态分布是一种概率分布。正态分布是具有两个参数μ和σ的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ是此随机变量的方差，所以正态分布记作N(μ，σ )。
b. 正态分布的应用
生活、生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。
c. 正态分布特点
μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布
标准差如何来？
- 方差
是在概率论和统计方差衡量一组数据时离散程度的度量
其中M为平均值，n为数据总个数，σ 为标准差，σ ^2可以理解一个整体为方差
- 标准差与方差的意义
可以理解成数据的一个离散程度的衡量
1.2 正态分布创建方式
-
np.random.randn(d0, d1, …, dn)
功能：从标准正态分布中返回一个或多个样本值
-
np.random.normal(loc=0.0, scale=1.0, size=None)
loc：float
此概率分布的均值（对应着整个分布的中心centre）
scale：float
此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints
输出的shape，默认为None，只输出一个值
-
np.random.standard_normal(size=None)
返回指定形状的标准正态分布的数组。
举例1：生成均值为1.75，标准差为1的正态分布数据，100000000个
x1 = np.random.normal(1.75, 1, 100000000)
返回结果：
array([2.90646763, 1.46737886,
最低0.47元/天 解锁文章
5638
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
