Python生成多维正态分布数据

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：是多维分布的均值
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）；

以下为应用例子：

import numpy as np
import random
mu=np.array([[0, 0],[100, 100]]) #第一行均值为0，第二行均值为100
sigma=np.array([[1, 0],[0, 1]])
number=random.normalvariate(mu, sigma)

打印结果：number

array([[  0.97823808,   0.        ],
       [100.        , 100.97823808]])

以下为简写形式：

import numpy as np
import random
mu=np.array([[0], [100]])
sigma = np.array([1,1])
sigma = np.diag(sigma) #生成对角矩阵
number=random.normalvariate(mu, sigma)

打印结果相同：number

array([[  0.97823808,   0.        ],
       [100.        , 100.97823808]])

若矩阵的行和列不相等，且每一行需要生成相同的分布：

import numpy as np
import random
mu=np.array([0, 100])
sigma = np.array([1,1])
mu_matrix = np.expand_dims(mu,1).repeat(3,axis=1)
sigma_matrix = np.expand_dims(sigma,1).repeat(3,axis=1)
number=random.normalvariate(mu_matrix , sigma_matrix)

打印结果：number

array([[-4.12208278e-02, -4.12208278e-02, -4.12208278e-02],
       [ 9.99587792e+01,  9.99587792e+01,  9.99587792e+01]])

注：这里使用到了np.expand_dims(arr, axis)。其中，arr是要进行维度扩展的数组，axis是要插入新维度的位置。axis参数可以是一个整数或者一个元组，用于指定要插入新维度的位置。

若需要保证结果可以重现，则可以控制随机种子：

import numpy as np
import random
seed=42
random.seed(seed)
mu=np.array([0, 100])
sigma = np.array([1,1])
mu_matrix = np.expand_dims(mu,1).repeat(3,axis=1)
sigma_matrix = np.expand_dims(sigma,1).repeat(3,axis=1)
number=random.normalvariate(mu_matrix , sigma_matrix)

打印结果：number

array([[  0.24532634,   0.24532634,   0.24532634],
       [100.24532634, 100.24532634, 100.24532634]])