numpy.random.RandomState.randn

method

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

从“标准正态”分布中返回一个(或多个)样本.

备注

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

备注

新代码应该使用 standard_normal 方法,该方法存在于 Generator 实例中;请参阅 快速入门 .

如果提供了正整数类型(int_like)的参数,则 randn 生成一个形状为 (d0, d1, ..., dn) 的数组,该数组填充了从均值为 0 且方差为 1 的单变量“正态”(高斯)分布中采样的随机浮点数. 如果没有提供参数,则返回从该分布中随机采样的单个浮点数.

参数:

d0, d1, …, dn整数,可选

返回数组的维度,必须是非负数.如果不提供参数,则返回单个Python浮点数.

返回:

Zndarray 或 float

一个 (d0, d1, ..., dn) 形状的数组,包含来自标准正态分布的浮点数样本,如果没有提供参数,则返回一个这样的浮点数.

参见

standard_normal

类似,但接受元组作为其参数.

normal

也接受 mu 和 sigma 参数.

random.Generator.standard_normal

新代码应该使用这个.

注释

对于均值为 mu 和标准差为 sigma 的正态分布中的随机样本,使用:

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

示例

Try it in your browser!

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

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 * np.random.randn(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