Python numpy Generator.standard_normal用法及代码示例

本文简要介绍 python 语言中 numpy.random.Generator.standard_normal 的用法。

用法:

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：

size： int 或整数元组，可选

输出形状。例如，如果给定的形状是 (m, n, k) ，则绘制 m * n * k 样本。默认为无，在这种情况下返回单个值。

dtype： dtype，可选

结果的所需dtype，仅支持 float64 和 float32 。字节序必须是原生的。默认值为 np.float64。

out： ndarray，可选

用于放置结果的替代输出数组。如果 size 不是 None，它必须与提供的 size 具有相同的形状，并且必须匹配输出值的类型。

返回：

out： 浮点数或 ndarray

形状为 size 的已绘制样本的浮点数组，如果未指定 size，则为单个样本。

注意：

对于来自 \(N(\mu, \sigma^2)\) 的随机样本，请使用以下之一：

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

例子：

>>> 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)

Two-by-four 来自 \(N(3, 6.25)\) 的样本数组：

>>> 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