numpy.random.normal详解
numpy.random.normal
用例:
numpy.random.normal(loc=0.0, scale=1.0, size=None)功能:
从正态(高斯)分布中抽取随机样本。
棣莫佛第一次提出正态分布的概率密度函数(由于其外形形似铃铛,亦称为钟形曲线),在其后200年,高斯和拉普拉斯也分别发现了正态分布的概率密度函数。自然界中有许多符合正态分布的案例。例如,它可以描述样本受大量微小随机扰动影响的常见分布,其中,每个扰动都有自己独特的分布。参数:
变量名 | 数据类型 | 功能 |
---|---|---|
loc | 浮点型数据或者浮点型数据组成的数组 | 分布的均值(中心) |
scale | 浮点型数据或者浮点型数据组成的数组 | 分布的标准差(宽度) |
size | 整数或者整数组成的元组,可选参数 |
输出值的维度。如果给定的维度为(m, n, k) ,那么就从分布中抽取m * n * k 个样本。如果size为None(默认值)并且loc 和scale 均为标量,那么就会返回一个值。否则会返回np.broadcast(loc, scale).size 个值
|
- 返回值:
变量名 | 数据类型 | 功能 |
---|---|---|
out | n维数组或标量 | 从含参的正态分布中抽取的随机样本 |
- 备注:
高斯分布的概率密度函数为 p(x)=12πσ2e−(x−μ)22σ2p(x)=\frac{1}{\sqrt{2\pi\sigma^2}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}p(x)=2πσ21e−2σ2(x−μ)2其中μ\muμ代表均值,σ\sigmaσ代表标准差,标准差的平方σ2\sigma^2σ2称作方差。 函数在均值位置点取到峰值,当标准差增大的时候,其宽度也会增加(函数在x−σx-\sigmax−σ到x+σx+\sigmax+σ之间的面积为其总面积的0.607倍)。这意味着numpy.random.normal
更有可能返回靠近均值的样本而不是那些远离均值的样本。
- 示例:
从分布中抽取样本:
import numpy as np
mu, sigma = 0, 0.1 # 均值和标准差
s = np.random.normal(mu, sigma, 1000)
检验均值和方差:
abs(mu - np.mean(s)) < 0.01
True
abs(sigma - np.std(s, ddof=1)) < 0.01
True
利用直方图对样本进行可视化,并绘制其概率密度函数:
import matplotlib.pyplot as plt
count, bins, ignored = plt.hist(s, 30, normed=True, color='b')
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * np.exp( - (bins - mu)**2 / (2 * sigma**2) ), linewidth=2, color='r')
plt.show()
github链接
https://github.com/wzy6642/numpy-translate
numpy.random.normal详解相关推荐
- np.random.normal()详解
import numpy as np np.random.normal()的意思是一个正态分布 normal------>正态 例子: noise = np.random.normal(loc= ...
- numpy.random.randint详解
numpy.random.randint 用例: numpy.random.randint(low, high=None, size=None, dtype='l') 功能: 返回low(包括)到hi ...
- Numpy 函数解释:numpy.random.normal()
背景 最近看Github源码时发现有个生成正态分布数值的用法:np.random.normal([3, 5]),这行代码会输入一个二维的array? In [1]: import numpy as n ...
- Python先生,你好!(6)——np.random函数详解
Python先生,你好!(6)--np.random函数详解 (一)前 言 (二)常用方法 (1)np.random.rand() (2)np.random.randn() (3)np.random. ...
- python时间函数详解_Python:Numpy库基础分析——详解datetime类型的处理
原标题:Python:Numpy库基础分析--详解datetime类型的处理 Python:Numpy库基础分析--详解datetime类型的处理 关于时间的处理,Python中自带的处理时间的模块就 ...
- numpy.random.normal函数
对于numpy.random.normal函数,有三个参数(loc, scale, size),分别l代表生成的高斯分布的随机数的均值.方差以及输出的size.我想让loc和scale分别为(1, 2 ...
- numpy.random.rand(),numpy.random.randn(),numpy.random.normal()函数介绍和示例
numpy.random.rand(),numpy.random.randn(),numpy.random.normal()函数介绍和示例 1. numpy.random.rand() 均匀分布 范围 ...
- random.nextint()详解
random.nextint()详解 random.nextInt()用法: random.nextInt() 不带参数 直接生成所有 有效的整数(正数.负数.0) random.nextInt100 ...
- 正态分布与numpy.random.normal函数
在Numpy中,有一个专门用于生成符合正态分布的随机数函数:numpy.random.normal,本文我们梳理一下它的使用方法,在梳理前,需要先了解一下什么是正态分布.(本文地址:https://b ...
最新文章
- 01 手把手带你构建大规模分布式服务--高并发、高可用架构系列,高质量原创好文!...
- Apache Flink 漫谈系列(12) - Time Interval(Time-windowed) JOIN...
- Java float浮点数精度丢失问题
- http://hudeyong926.iteye.com/blog/977152
- Android 访问网页
- SpringMVC之Controller和参数绑定
- 初试牛刀的收获-freetextbox的应用
- 数据库中自然连接与内连接的区别
- Scapy:send函数剖析(参数、返回值、应用)
- 蓝叠模拟器的adb程序位置
- html新建站点的操作步骤,如何在服务器上建立站点的方法步骤
- 简述Android 解决65536/64K方法数限制方案
- 对办公文档加密 到了外部计算机就无法打开,使用文件夹加密超级大师加密了文件,更换电脑后加密文件打不开了怎么办?...
- voip系统与网络电话
- 如果去掉数学前后的空格_excel表格数据消除前后空格-EXCEL表格中数据后面的空格怎么去掉,一条条手工删......
- POI批量导出Excel ZIP打包下载
- 实现简易的 Vue 响应式
- 完整性约束条件:唯一性约束
- 【CSDN】如何开启CSDN文章下的显示微信公众号、微信号、官方网站、QQ号、QQ群 ?
- 如何有效分配自己的精力
热门文章
- matlab2ask和2psk仿真实验代码
- c++编译器pointer to a function used in arithmetic的解决办法
- Leetcode290单词规律-map使用
- kattis ones简单题取模运算+枚举
- 中国人民大学_《组织行为学》_16.重塑组织模块导论
- html中如何屏蔽一段代码,html中如何使用python屏蔽一些基本功能(示例代码)
- k8s pod MySQL环境变量,配置 – 在Docker中相当于env-file的Kubernetes
- 计算机运行黑屏显示器正常,电脑主机运行正常 显示器黑屏
- 西电计算机本科学费,陕西高校学费大比拼!你当年的学费现在涨了多少
- java array 元素的位置_Java常见面试题 非常实用「个人经验」