dask.array.random.standard_normal
dask.array.random.standard_normal¶
- dask.array.random.standard_normal(*args, **kwargs)¶
从标准正态分布（均值=0，标准差=1）中抽取样本。
此文档字符串是从 numpy.random.mtrand.RandomState.standard_normal 复制而来的。
Dask 版本可能存在一些不一致性。
备注
新代码应使用 ~numpy.random.Generator 实例的 ~numpy.random.Generator.standard_normal 方法；请参阅 Quick start。
- 参数
- 大小int 或 int 的元组，可选
输出形状。如果给定的形状是，例如，
(m, n, k)，那么会抽取m * n * k个样本。默认是 None，在这种情况下会返回一个单一值。
- 返回
- 出浮点数或ndarray
一个形状为
size的浮点数数组，包含抽取的样本，如果未指定size，则为单个样本。
参见
normal具有额外
loc和scale参数的等效函数，用于设置均值和标准差。random.Generator.standard_normal应用于新代码。
注释
对于从均值为
mu和标准差为sigma的正态分布中随机抽取的样本，使用以下之一:mu + sigma * np.random.standard_normal(size=...) np.random.normal(mu, sigma, size=...)
示例
>>> np.random.standard_normal() 2.1923875335537315 #random
>>> s = np.random.standard_normal(8000) >>> s array([ 0.6888893 , 0.78096262, -0.89086505, ..., 0.49876311, # random -0.38672696, -0.4685006 ]) # random >>> s.shape (8000,) >>> s = np.random.standard_normal(size=(3, 4, 2)) >>> s.shape (3, 4, 2)
来自均值为3、标准差为2.5的正态分布的样本的2x4数组：
>>> 3 + 2.5 * np.random.standard_normal(size=(2, 4)) array([[-4.49401501, 4.00950034, -1.81814867, 7.29718677], # random [ 0.39924804, 4.68456316, 4.99394529, 4.84057254]]) # random