numpy.random.Generator.standard_normal¶

方法

random.Generator.standard_normal(size=None, dtype=np.float64, out=None)¶

从标准正态分布（平均值=0，标准偏差=1）中提取样本。

参数

sizeint或int的元组，可选: 输出形状。如果给定的形状是，例如， (m, n, k) 然后 m * n * k 取样。默认值为无，在这种情况下返回单个值。
dtype可选类型: 仅限所需的结果数据类型 float64 和 float32 支持。字节顺序必须是本机的。默认值为第64页.
outndarray，可选: 放置结果的备用输出数组。如果size不是None，则它必须与提供的大小具有相同的形状，并且必须与输出值的类型匹配。

返回

out浮动还是日积月累: 形状的浮点数组 size 或单个样品，如果 size 未指定。

参见

normal: 带附加项的等价函数 loc 和 scale 设定平均值和标准差的论据。

笔记

对于随机样本 $N(\mu, \sigma^2)$ ，使用以下选项之一：

mu + sigma * gen.standard_normal(size=...)
gen.normal(mu, sigma, size=...)

实例

>>> rng = np.random.default_rng()
>>> rng.standard_normal()
2.1923875335537315 #random

>>> s = rng.standard_normal(8000)
>>> s
array([ 0.6888893 ,  0.78096262, -0.89086505, ...,  0.49876311,  # random
       -0.38672696, -0.4685006 ])                                # random
>>> s.shape
(8000,)
>>> s = rng.standard_normal(size=(3, 4, 2))
>>> s.shape
(3, 4, 2)

来自 $N(3, 6.25)$ ：

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

numpy.random.Generator.standard_gamma numpy.random.Generator.standard_t