numpy.random.randn¶

numpy.random.randn(d0, d1, ..., dn)¶

从“标准正态”分布返回样本（或样本）。

If positive, int_like or int-convertible arguments are provided, randn generates an array of shape (d0, d1, ..., dn), filled with random floats sampled from a univariate “normal” (Gaussian) distribution of mean 0 and variance 1 (if any of the $d_i$ are floats, they are first converted to integers by truncation). 如果没有提供参数，则返回从分布中随机抽取的单个浮点数。

这是一个方便的功能。如果你想要一个以元组作为第一个参数的接口，请改用numpy.random.standard_normal。

参数：	d0，d1，...，dn：int，可选返回的数组的尺寸应该都是正数。如果没有给出参数，则返回单个Python浮动。
返回：	Z：ndarray或float A `（d0， d1， ...， dn）的来自标准正态分布的浮点样本，或者如果没有提供参数，则使用单个这样的浮点。`

参数：

d0，d1，...，dn：int，可选

返回的数组的尺寸应该都是正数。如果没有给出参数，则返回单个Python浮动。

Z：ndarray或float

A （d0， d1， ...， dn）的来自标准正态分布的浮点样本，或者如果没有提供参数，则使用单个这样的浮点。

也可以看看

random.standard_normal: 类似，但是以元组为参数。

笔记

对于 $N(\mu, \sigma^2)$ 的随机样本，使用：

sigma * np.random.randn（...） + t5>

例子

>>> np.random.randn()
2.1923875335537315 #random

来自N（3，6.25）的2×4数组样本：

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