numpy.random.RandomState.randn#

方法

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

从“标准正态”分布中返回一个或多个样本。

注意

这是一个方便函数，供从 Matlab 移植代码的用户使用，它封装了 standard_normal。该函数接受一个元组来指定输出的大小，这与 numpy.zeros 和 numpy.ones 等其他 NumPy 函数保持一致。

注意

新代码应使用 Generator 实例的 standard_normal 方法；请参阅快速入门。

如果提供了正整数类参数，randn 将生成一个形状为 (d0, d1, ..., dn) 的数组，其中填充了从均值为 0、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一个浮点数。

参数：

d0, d1, …, dnint, 可选: 返回数组的维度，必须是非负数。如果没有给出任何参数，则返回一个 Python 浮点数。

返回：

Zndarray 或 float: 一个形状为 (d0, d1, ..., dn) 的浮点样本数组，来自标准正态分布；如果未提供参数，则返回单个此类浮点数。

另请参阅

standard_normal: 类似，但接受一个元组作为其参数。
normal: 也接受 mu 和 sigma 参数。
random.Generator.standard_normal: 新代码应该使用它。

备注

对于从均值为 mu、标准差为 sigma 的正态分布中获取随机样本，请使用

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

示例

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

从均值为 3、标准差为 2.5 的正态分布中抽取的 2x4 样本数组

>>> 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