numpy常用函数之randn函数解析

numpy常用函数之randn函数解析，numpy中有一些常用的用来产生随机数的函数，randn就是其中一个，randn函数位于numpy.random中，函数原型如下：

numpy.random.randn(d0, d1, ..., dn)

这个函数的作用就是从标准正态分布中返回一个或多个样本值。什么是标准正态分布，大哥，你别吓我，上过高中吗？标准正态分布俗称高斯分布，正态分布是大自然中最常见的分布，标准正态分布就是期望为0，方差为1的正态分布。

如果没有参数，则返回一个值，如果有参数，则返回(d0, d1, …, dn)个值，这些值都是从标准正态分布中随机取样得到的。

d0, d1, …, dn都应该是整数，是浮点数也没关系，系统会自动把浮点数的整数部分截取出来。

参数

d0, d1, …, dn：应该为正整数，表示维度。

返回值

Z：ndarray或者float。

如果想要从非标准正态分布中产生随机样本，咋办？比如下面这个正态分布：

N(\mu,\sigma^2)

其实很简单，就是简单的加减乘除，如下所示：

\sigma * np.random.randn(...) + \mu

看几个例子吧：

np.random.randn()

返回：

-0.8405297****8702

再比如：

2.5 * np.random.randn(2, 4) + 3

返回：

array([[ 4.128****53, 1.764****44 , 2.732****92, 2.90839231],
    [ 0.174****86, 4.92026887, 1.574****66, -0.4305991 ]])

这个函数与numpy.random.standard_normal函数非常相似，我都不知道为啥要设置两个功能重叠的函数，但是调用方式不一样：

numpy.random.standard_normal(size=None)

size参数就是一个整数或者一个整数的元组，表示维度，看看下面的例子：

np.random.standard_normal(8000)

或者：

np.random.standard_normal(size=(3, 4, 2))

想用哪个自己选吧，不过建议还是使用randn，毕竟常用一些。