### numpy生成正态分布随机数的功能 `numpy.random.normal` 是 NumPy 提供的一个函数，用于生成服从正态分布（高斯分布）的随机数。其基本语法如下： ```python numpy.random.normal(loc=0.0, scale=1.0, size=None) ``` - **`loc`**：表示正态分布的均值（中心位置），默认值为 0.0[^1]。 - **`scale`**：表示正态分布的标准差（决定分布的宽度），默认值为 1.0[^1]。 - **`size`**：输出随机数的数量或形状。如果 `size` 为整数，则返回一维数组；如果 `size` 为元组，则返回多维数组。若未指定 `size`，则返回单个标量值[^1]。 以下是一个生成正态分布随机数并绘制直方图的完整示例： ```python import numpy as np import matplotlib.pyplot as plt # 参数设置 mu = 0 # 均值 sigma = 1 # 标准差 size = 10000 # 随机数数量 # 生成正态分布随机数 samples = np.random.normal(loc=mu, scale=sigma, size=size) # 绘制直方图 plt.figure('Normal Distribution', facecolor='lightgray') plt.title('Normal Distribution', fontsize=20) plt.xlabel('Sample', fontsize=14) plt.ylabel('Occurrence', fontsize=14) plt.tick_params(labelsize=12) plt.grid(axis='y', linestyle=':') plt.hist(samples, bins=100, edgecolor='steelblue', facecolor='deepskyblue', label='Normal') plt.legend() plt.show() ``` 上述代码中，`np.random.normal` 生成了 10000 个服从均值为 0、标准差为 1 的正态分布随机数，并通过 `matplotlib` 绘制了频数直方图[^1]。 ### 关于参数 `labels` 和 `shape` - **`labels`**：在 NumPy 的随机数生成函数中，并没有直接与 `labels` 相关的参数。如果需要对生成的随机数进行标记或分类，通常需要结合其他逻辑操作来实现。 - **`shape`**：`shape` 可以通过 `size` 参数间接指定。例如，`size=(2, 3)` 表示生成一个 2x3 的二维数组[^4]。 以下是一个生成二维正态分布随机数矩阵的示例： ```python # 生成 2x3 的二维正态分布随机数矩阵 random_matrix = np.random.normal(loc=0, scale=1, size=(2, 3)) print(random_matrix) ``` ### 示例：生成不同参数的正态分布随机数 ```python # 不同参数的正态分布随机数 samples_1 = np.random.normal(loc=0, scale=1, size=1000) # 均值为0，标准差为1 samples_2 = np.random.normal(loc=5, scale=2, size=1000) # 均值为5，标准差为2 # 绘制两个分布的直方图 plt.hist(samples_1, bins=50, alpha=0.5, label='Mean=0, Std=1') plt.hist(samples_2, bins=50, alpha=0.5, label='Mean=5, Std=2') plt.legend() plt.show() ``` 此代码生成了两组不同的正态分布随机数，并将它们的直方图叠加显示，便于对比不同参数的影响[^1]。