python中生成随机数总结

关注

原创最新推荐文章于 2025-09-29 10:15:00 发布 3k 阅读 AI 写同款· GEO 优化 ›

Python实战：如何生成正态分布数据？在统计学中，正态分布是最常见的概率分布之一。在数据分析、机器学习及其他领域，我们经常需要生成符合正态分布的随机数。Python作为一种流行的编程语言，在实现正态分布方面也非常方便。下面我们来看Python中如何生成正态分布数据。以上就是如何使用Python实现正态分布的方法，同时也提供了完整的源代码。运行以上代码，即可得到符合正态分布的随机数和其分布情况的可视化图表。首先，需要导入numpy和matplotlib库。然后，通过NumPy生成符合正态分布的随机数。接着，定义均值和标准差。阅读详情

本文总结了常见的生成随机数的方法。

一、使用numpy.random模块生成随机数

1、生成标准正态分布，均值为0，方差为1。

numpy.random.randn(d0, d1, ..., dn)

通过下面的公式可以将标准正太分布转换为 $\mathcal{N}(\mu,\sigma^2)$

$\sigma * np.random.randn(...) + \mu$

2、生成任意参数的正态分布

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

这个方法中可以指定均值loc和标准差scale。

3、生成[0,1)之间的均匀分布随机数

numpy.random.random(size=None)

实例代码如下：

# encoding:utf-8

import numpy as np
import matplotlib.pyplot as plt

# 生成符合正太分布的随机数
mean = 5  # 均值
std = 3   # 方差
standard_normal_distribution = np.random.randn(2000)
normal_distribution = standard_normal_distribution * std + mean
gaussian_distribution = np.random.normal(loc=mean,scale=std,size=2000)

# 生成符合均匀分布的随机数
continuous_uniform_distribution = np.random.random(2000)

plt.subplot(2,2,1)
plt.hist(standard_normal_distribution,bins=20,color='r',alpha=0.4,edgecolor='g')
plt.title("np.random.randn")
plt.subplot(2,2,2)
plt.hist(normal_distribution,bins=20,color='r',alpha=0.4,edgecolor='g')
plt.title("derived from np.random.randn")
plt.subplot(2,2,3)
plt.hist(gaussian_distribution,bins=20,color='r',alpha=0.4,edgecolor='g')
plt.title("np.random.normal")
plt.subplot(2,2,4)
plt.hist(continuous_uniform_distribution,bins=20,color='r',alpha=0.4,edgecolor='g')
plt.title("np.random.random")
plt.show()

结果图如下：