np.cumsum()与np.random.normal()函数

np.cumsum() 累计求和，示例如下：


>>> a  =  np.array([[ 1 , 2 , 3 ], [ 4 , 5 , 6 ]])

>>> a

array([[ 1 ,  2 ,  3 ],

        [ 4 ,  5 ,  6 ]])

>>> np.cumsum(a)

array([  1 ,   3 ,   6 ,  10 ,  15 ,  21 ])

>>> np.cumsum(a, dtype = float )      # specifies type of output value(s)

array([   1. ,    3. ,    6. ,   10. ,   15. ,   21. ])

>>> np.cumsum(a,axis = 0 )       # sum over rows for each of the 3 columns

array([[ 1 ,  2 ,  3 ],

        [ 5 ,  7 ,  9 ]])

>>> np.cumsum(a,axis = 1 )       # sum over columns for each of the 2 rows

array([[  1 ,   3 ,   6 ],

        [  4 ,   9 ,  15 ]])

np.random.normal()  正态分布：




numpy.random.normal(loc=0.0, scale=1.0, size=None)  

参数的意义为：

　　loc:float

　　概率分布的均值，对应着整个分布的中心center

　　scale:float

　　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

　　我们更经常会用到np.random.randn(size)所谓标准正太分布（μ=0, σ=1），对应于np.random.normal(loc=0, scale=1, size)