So verwenden sie das äquivalent von rnorm() in python

In der Programmiersprache R können wir die Funktion rnorm() verwenden, um einen Vektor von Zufallswerten zu generieren, der einer Normalverteilung mit einem bestimmten Mittelwert und einer bestimmten Standardabweichung folgt.

Der folgende Code zeigt beispielsweise, wie man mit rnorm() einen Vektor aus 8 Zufallswerten erstellt, der einer Normalverteilung mit einem Mittelwert von 5 und einer Standardabweichung von 2 folgt:

 #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

Das Äquivalent der Funktion rnorm() in Python ist die Funktion np.random.normal() , die die folgende grundlegende Syntax verwendet:

np.random.normal(loc=0, scale=1, size=None)

Gold:

• loc : Durchschnitt der Verteilung
• Skala : Standardabweichung der Verteilung
• Größe : Stichprobengröße

Das folgende Beispiel zeigt, wie Sie diese Funktion in der Praxis nutzen können.

Beispiel: Verwendung des Äquivalents von rnorm() in Python

Der folgende Code zeigt, wie Sie mit der Funktion np.random.normal() ein Array von Zufallswerten generieren, das einer Normalverteilung mit einem bestimmten Mittelwert und einer bestimmten Standardabweichung folgt.

 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 ])

Das Ergebnis ist ein NumPy-Array mit 8 Werten, die aus einer Normalverteilung mit einem Mittelwert von 5 und einer Standardabweichung von 2 generiert wurden.

Sie können mit Matplotlib auch ein Histogramm erstellen, um eine von der Funktion np.random.normal() generierte Normalverteilung zu visualisieren:

 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 ')

Wir sehen, dass die Werteverteilung ungefähr glockenförmig ist mit einem Mittelwert von 5 und einer Standardabweichung von 2.

Hinweis : Die vollständige Dokumentation für die Funktion np.random.normal() finden Sie hier .

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie Sie andere gängige Vorgänge in Python ausführen:

So berechnen und zeichnen Sie den normalen CDF in Python
So zeichnen Sie eine Normalverteilung in Python
So testen Sie die Normalität in Python