numpy.random.standard_normal#

random.standard_normal(size=None)#

从标准正态分布（均值=0，标准差=1）中抽取样本。

注意

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

参数:
sizeint 或 int 的元组，可选

输出形状。如果给定的形状例如是 (m, n, k)，则将抽取 m * n * k 个样本。默认为 None，在这种情况下返回单个值。

返回:
outfloat 或 ndarray

形状为 size 的浮点数数组，其中包含抽取出的样本，如果未指定 size，则为单个样本。

另请参阅

normal

等效函数，具有额外的 loc 和 scale 参数，用于设置均值和标准差。

random.Generator.standard_normal

新代码应使用此方法。

备注

对于具有均值 mu 和标准差 sigma 的正态分布的随机样本，请使用以下任一方法：

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

示例

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

>>> s = np.random.standard_normal(8000)
>>> s
array([ 0.6888893 ,  0.78096262, -0.89086505, ...,  0.49876311,  # random
       -0.38672696, -0.4685006 ])                                # random
>>> s.shape
(8000,)
>>> s = np.random.standard_normal(size=(3, 4, 2))
>>> s.shape
(3, 4, 2)

均值为 3，标准差为 2.5 的正态分布样本的二维四数组

>>> 3 + 2.5 * np.random.standard_normal(size=(2, 4))
array([[-4.49401501,  4.00950034, -1.81814867,  7.29718677],   # random
       [ 0.39924804,  4.68456316,  4.99394529,  4.84057254]])  # random
在此页面