numpy.random.Generator.standard_normal#

метод

random.Generator.standard_normal(размер=None, dtype=np.float64, выход=None)#

Извлечь выборки из стандартного нормального распределения (среднее=0, стандартное отклонение=1).

Параметры:

размерint или кортеж ints, опционально: Форма вывода. Если заданная форма, например, (m, n, k), затем m * n * k выбираются образцы. По умолчанию None, в этом случае возвращается одно значение.
dtypedtype, опционально: Желаемый тип данных результата, только float64 и float32 поддерживаются. Порядок байтов должен быть нативным. Значение по умолчанию — np.float64.
выходndarray, необязательно: Альтернативный выходной массив для размещения результата. Если size не None, он должен иметь ту же форму, что и предоставленный size, и должен соответствовать типу выходных значений.

Возвращает:

выходfloat или ndarray: Массив с плавающей запятой формы size извлечённых выборок, или одной выборки, если size не был указан.

Смотрите также

normal: Эквивалентная функция с дополнительными loc и scale аргументы для установки среднего значения и стандартного отклонения.

Примечания

Для случайных выборок из нормального распределения со средним mu и стандартное отклонение sigma, используйте один из:

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

Примеры

>>> 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)

Двухмерный массив 2x4 выборок из нормального распределения со средним 3 и стандартным отклонением 2.5:

>>> 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