Python 如何从截断正态分布中获得最佳样本？

我已经做了一些搜索，但我似乎无法找到一种合理的方法从截断正态分布中取样

没有截断，我正在做：

samples=[np.random.normal（loc=x，scale=d）表示zip（x，d）中的（x，d）]

X

和

D

是浮动列表

目前，我正在实施截断：

def truncnorm（位置、刻度、界限）：
s=np.随机.正常（位置，刻度）
如果s>边界[1]：
返回边界[1]
elif s

bounds

是元组列表

（最小值，最大值）

---

这种方法感觉有点尴尬，所以我想知道是否有更好的方法？

返回边界以外样本的边界值，将导致太多样本落在边界上。这并不代表实际的分布情况。边界上的值需要被拒绝并替换为新样本。这种代码可以是：

def测试标准（位置、刻度、界限）：
尽管如此：
s=np.随机.正常（位置，刻度）
如果bounds[0]返回其外部样本的边界值，将导致太多样本落在边界上。这并不代表实际的分布情况。边界上的值需要被拒绝并替换为新样本。这种代码可以是：

def测试标准（位置、刻度、界限）：
尽管如此：
s=np.随机.正常（位置，刻度）
如果边界[0]很好，那么您所展示的并不是通常所说的截断正态分布。相反，它是一个截断正态分布与离散分布的混合物，离散分布的点质量在边界[0]处，另一点质量在边界[1]处。要获得截断法线，需要
if s>bounds[1]：返回truncnorm（loc，scale，bounds）
即，如果您落在外部，请重试。根据边界的不同，您可能需要多次尝试。如果大部分质量位于边界之间，则可以重试。但是，如果边界可能排除大部分质量，您可能需要不同的方法。不同的方法是反转cdf，cdf是不受约束cdf的缩放版本（缩放因子等于边界之间的质量）。这将是一个涉及erf的表达式。我不知道逆erf是否是numpy/scipy中可用的函数之一，但如果不是，您可以通过对分或类似的简单方法将其反转。您看到了吗？它与您实现的并不完全相同，因为（正如@RobertDodier所指出的），您的分布在边界上有点质量。通常情况下，边界上没有这些点质量。@WarrenWeckesser我查看了scipy函数，但我不知道如何设置范围。Dupe of？嗯，你所展示的不是通常所说的截断正态分布。相反，它是一个截断正态分布与离散分布的混合物，离散分布的点质量在边界[0]处，另一点质量在边界[1]处。要获得截断法线，需要
if s>bounds[1]：返回truncnorm（loc，scale，bounds）
即，如果您落在外部，请重试。根据边界的不同，您可能需要多次尝试。如果大部分质量位于边界之间，则可以重试。但是，如果边界可能排除大部分质量，您可能需要不同的方法。不同的方法是反转cdf，cdf是不受约束cdf的缩放版本（缩放因子等于边界之间的质量）。这将是一个涉及erf的表达式。我不知道逆erf是否是numpy/scipy中可用的函数之一，但如果不是，您可以通过对分或类似的简单方法将其反转。您看到了吗？它与您实现的并不完全相同，因为（正如@RobertDodier所指出的），您的分布在边界上有点质量。通常在边界上没有这些点质量。@WarrenWeckesser我查看了scipy函数，但不知道如何设置范围。Dupe of？
X = np.array(X)
D = np.array(D)
bounds = np.array(bounds)
samples = scipy.stats.truncnorm.rvs((bounds[:, 0] - X) / D, (bounds[:, 1] - X) / D, loc=X, scale=D)