如何在 python 中使用 rnorm() 的等效项

在R编程语言中，我们可以使用rnorm()函数生成一个随机值向量，该向量遵循具有特定均值和标准差的正态分布。

例如，下面的代码展示了如何使用rnorm()创建一个由 8 个随机值组成的向量，该向量遵循均值为 5、标准差为 2 的正态分布：

 #make this example reproducible
set. seeds (1)

#generate vector of 8 values that follows normal distribution with mean=5 and sd=2
rnorm(n=8, mean=5, sd=2)

[1] 3.747092 5.367287 3.328743 8.190562 5.659016 3.359063 5.974858 6.476649

Python 中rnorm()函数的等效项是np.random.normal()函数，它使用以下基本语法：

np.random.normal（loc = 0，比例= 1，大小=无）

金子：

• loc ：分布的平均值
• 尺度：分布的标准差
• 尺寸：样品尺寸

下面的例子展示了如何在实际中使用这个功能。

示例：在 Python 中使用 rnorm() 的等效项

以下代码演示了如何使用np.random.normal()函数生成遵循具有特定均值和标准差的正态分布的随机值数组。

 import numpy as np

#make this example reproducible
n.p. random . seeds (1)

#generate array of 8 values that follow normal distribution with mean=5 and sd=2
n.p. random . normal (loc=5, scale=2, size=8)

array([8.24869073, 3.77648717, 3.9436565, 2.85406276, 6.73081526,
       0.39692261, 8.48962353, 3.4775862 ])

结果是一个 NumPy 数组，包含从均值为 5、标准差为 2 的正态分布生成的 8 个值。

您还可以使用 Matplotlib 创建直方图来可视化由np.random.normal()函数生成的正态分布：

 import numpy as np
import matplotlib. pyplot as plt

#make this example reproducible
n.p. random . seeds (1)

#generate array of 200 values that follows normal distribution with mean=5 and sd=2
data = np. random . normal (loc=5, scale=2, size=200)

#create histogram to visualize distribution of values
plt. hist (data, bins=30, edgecolor=' black ')

我们看到值的分布大致呈钟形，均值为 5，标准差为 2。

注意：您可以在此处找到np.random.normal()函数的完整文档。

其他资源

以下教程解释了如何在 Python 中执行其他常见操作：

如何在 Python 中计算和绘制正态 CDF
如何用 Python 绘制正态分布
如何在 Python 中测试正态性