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 实例的一部分；请参阅快速入门。

参数:

sizeint 或 int 元组，可选: 输出形状。例如，如果给定形状为 (m, n, k)，则会抽取 m * n * k 个样本。默认为 None，此时返回单个值。

返回:

outfloat 或 ndarray: 一个形状为 size 的浮点数组，包含抽取的样本；如果未指定 size，则返回单个样本。

另请参见

normal: 等效函数，带有额外的 loc 和 scale 参数，用于设置均值和标准差。
random.Generator.standard_normal: 新代码应使用此函数。

注释

对于均值 mu 和标准差 sigma 的正态分布随机样本，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)

一个2x4的数组，包含均值为3、标准差为2.5的正态分布样本。

>>> 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