numpy.random.RandomState.standard_normal

方法

random.RandomState.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 standard_normal 方法，该方法是 Generator 实例的方法；请参阅 快速入门。

参数:

sizeint 或 int 元组，可选

输出形状。如果给定的形状为例如 (m, n, k)，则抽取 m * n * k 个样本。默认值为 None，在这种情况下返回单个值。

返回:

outfloat 或 ndarray

一个形状为 size 的浮点数数组，其中包含抽取的样本，或者如果未指定 size，则返回单个样本。

另请参阅

normal

具有附加 loc 和 scale 参数的等效函数，用于设置均值和标准差。

random.Generator.standard_normal

新代码应使用此函数。

注意

对于均值为 mu 和标准差为 sigma 的正态分布中的随机样本，请使用以下方法之一

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)

从均值为 3 和标准差为 2.5 的正态分布中抽取的 2x4 样本数组

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