numpy.random.RandomState.randn

方法

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

从“标准正态”分布返回一个（或多个）样本。

注意

这是一个为从 Matlab 移植代码的用户提供的便捷函数，它封装了 standard_normal。该函数使用元组来指定输出的大小，这与其他 NumPy 函数（如 numpy.zeros 和 numpy.ones）一致。

注意

新代码应该使用 standard_normal 方法，该方法属于 Generator 实例；请参阅快速入门。

如果提供了正整数类型的参数，randn 会生成一个形状为 (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。如果没有提供任何参数，则返回从该分布中随机采样的单个浮点数。

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，则返回单个 Python 浮点数。

返回:

Zndarray 或 float

形状为 (d0, d1, ..., dn) 的浮点数样本数组，这些样本取自标准正态分布，或者如果没有提供参数，则返回一个这样的浮点数。

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

应该用于新代码。

备注

对于均值为 mu，标准差为 sigma 的正态分布中的随机样本，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 的正态分布中采样的 2x4 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