numpy.random.randn#

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

返回来自”标准正态”分布的样本（或多个样本）.

备注

这是一个方便用户从Matlab移植代码的函数,并封装了 standard_normal .该函数接受一个元组来指定输出的大小,这与 numpy.zeros 和 numpy.ones 等其他NumPy函数一致.

备注

新代码应使用 Generator 实例的 standard_normal 方法;请参阅 快速开始.

如果提供了正的类整数参数,`randn` 生成一个形状为 (d0, d1, ..., dn) 的数组,填充从均值为0、方差为1的一元”正态”（高斯）分布中抽取的随机浮点数.如果没有提供参数,则返回从该分布中随机抽取的一个浮点数.

参数:
d0, d1, …, dnint, 可选

返回数组的维度必须是非负的.如果没有给出参数,则返回一个单独的 Python 浮点数.

返回:
Zndarray 或 float

一个 (d0, d1, ..., dn) 形状的从标准正态分布中抽取的浮点样本数组,或者如果没有提供参数,则为单个这样的浮点数.

参见

standard_normal

类似的,但接受一个元组作为其参数.

normal

也接受 mu 和 sigma 参数.

random.Generator.standard_normal

应用于新代码.

备注

对于从均值为 mu 和标准差为 sigma 的正态分布中随机抽样,请使用:

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

示例

>>> np.random.randn()
2.1923875335537315  # random

来自均值为3和标准差为2.5的正态分布的样本的2x4数组:

>>> 3 + 2.5 * np.random.randn(2, 4)
array([[-4.49401501,  4.00950034, -1.81814867,  7.29718677],   # random
       [ 0.39924804,  4.68456316,  4.99394529,  4.84057254]])  # random
On this page