numpy.random.Generator.standard_normal

method

random.Generator.standard_normal(size=None, dtype=np.float64, out=None)

从标准正态分布(平均值=0,标准差=1)中抽取样本.

参数:

sizeint 或 int 的元组,可选.

输出形状.如果给定的形状是,例如 (m, n, k) ,则抽取 m * n * k 个样本.默认值为 None,在这种情况下,将返回单个值.

dtypedtype, optional

结果所需的 dtype,仅支持 float64 和 float32 .字节顺序必须是本机的.默认值为 np.float64.

outndarray, 可选

用于放置结果的备用输出数组.如果 size 不为 None,则它必须具有与提供的 size 相同的形状,并且必须与输出值的类型匹配.

返回:

outfloat 或 ndarray

形状为 size 的浮点数组,包含抽取的样本,如果未指定 size ,则返回单个样本.

参见

normal

具有附加的 loc 和 scale 参数的等效函数,用于设置均值和标准差.

注释

对于来自均值为 mu 和标准差为 sigma 的正态分布的随机样本,请使用以下方法之一:

mu + sigma * rng.standard_normal(size=...)
rng.normal(mu, sigma, size=...)

示例

Try it in your browser!

>>> rng = np.random.default_rng()
>>> rng.standard_normal()
2.1923875335537315 # random

>>> s = rng.standard_normal(8000)
>>> s
array([ 0.6888893 ,  0.78096262, -0.89086505, ...,  0.49876311,  # random
       -0.38672696, -0.4685006 ])                                # random
>>> s.shape
(8000,)
>>> s = rng.standard_normal(size=(3, 4, 2))
>>> s.shape
(3, 4, 2)

来自正态分布的 2x4 数组样本,均值为 3,标准差为 2.5:

>>> 3 + 2.5 * rng.standard_normal(size=(2, 4))
array([[-4.49401501,  4.00950034, -1.81814867,  7.29718677],   # random
       [ 0.39924804,  4.68456316,  4.99394529,  4.84057254]])  # random

Go BackOpen In Tab