python如何生成指定均值向量和协方差矩阵的多维正态分布数据

使用numpy.random.multivariate_normal生成多元正态分布的数组

multivariate_normal(mean, cov, size=None, check_valid=None, tol=None)

mean	mean是多维分布的均值，维度为1
cov	协方差矩阵 注意：协方差矩阵必须是对称的且需为半正定矩阵；
size	指定生成的正态分布矩阵的维度eg：若size=(1, 1, 2)，则输出的矩阵的shape即形状为 1X1X2XN（N为mean的长度）
check_valid	这个参数用于决定当cov即协方差矩阵不是半正定矩阵时程序的处理方式。它一共有三个值：warn，raise以及ignore。 当使用warn作为传入的参数时，如果cov不是半正定的程序会输出警告但仍旧会得到结果； 当使用raise作为传入的参数时，如果cov不是半正定的程序会报错且不会计算出结果； 当使用ignore时忽略这个问题即无论cov是否为半正定的都会计算出结果。
size： 指定生成矩阵的维度，若size=(1, 1, 2)，则输出的矩阵的 shape 即形状为 1X1X2XN（N为mean的长度）；

# import numpy 
import numpy as np 
  
mean = [0, 0, 0] #均值向量
matrix = [[1, 0, 0], [0, 1, 0], [0, 0, 1]] #协方差矩阵
# using np.multinomial() method 
gfg = np.random.multivariate_normal(mean, matrix, 5) #5生成5个样本点
  
print(gfg)
"""
[[-2.21792571 -1.04526811 -0.4586839 ] #一行为一个样本点
[ 0.15760965 0.83934119 -0.52943583]
[-0.9978205 0.79594411 -0.00937 ]
[-0.16882821 0.1727549 0.14002367]
[-1.34406079 1.03498375 0.17620708]]
"""

numpy.random.multivariate_normal 是 NumPy 库中的一个函数，用于生成多元正态分布（多元高斯分布）的随机样本。它的用法如下：

numpy.random.multivariate_normal(mean, cov, size=None, check_valid='warn', tol=1e-8)
参数说明：

• mean：表示多元正态分布的均值向量。
• cov：表示多元正态分布的协方差矩阵。
• size：表示要生成的随机样本的数量，可以是整数或元组。如果是整数，则生成一个样本，如果是元组，则生成多个样本。-
• check_valid：表示是否检查协方差矩阵的有效性，默认为’warn’，即警告模式，可选参数有’warn’、‘raise’和’ignore’。
• tol：表示检查协方差矩阵是否奇异时的容差，默认为1e-8。
  示例代码：

import numpy as np

mean = [0, 0]
cov = [[1, 0], [0, 1]]

samples = np.random.multivariate_normal(mean, cov, size=10)
print(samples)
输出结果：


[[-0.16544855 -1.07040265]
 [-2.17818343 -0.40001525]
 [ 0.40015721  1.08437294]
 [ 0.52674577  0.9268865 ]
 [ 0.36377449 -1.09737159]
 [ 0.36023465  1.11325241]
 [-0.93891713 -0.78965493]
 [-0.48634028  0.96430325]
 [-0.28105609  0.99268882]
 [-0.34997909 -1.4336052 ]]
以上代码生成了一个均值为 [0, 0]，协方差矩阵为 [[1, 0], [0, 1]]的10个随机样本。