使用Python生成100 X 100随机矩阵,其条目从正态分布中采样
使用numpy.random生成随机向量。用Python编写代码,生成一个100 X 100的随机矩阵,其条目是正态分布的样本使用Python生成100 X 100随机矩阵,其条目从正态分布中采样,python,matrix,jupyter-notebook,normal-distribution,Python,Matrix,Jupyter Notebook,Normal Distribution,使用numpy.random生成随机向量。用Python编写代码,生成一个100 X 100的随机矩阵,其条目是正态分布的样本 这是我制作的,我不确定这是否正确。我还有一个关于正态分布的问题。我的随机数应该来自某个池吗?例如$[0,1]$或是否可以获取超出此范围的值 这是在Jupyter笔记本中编写的代码: import numpy as np a = np.random.randn(100,100) a array([[-0.42952803, -0.55136761, -0.4554401
这是我制作的,我不确定这是否正确。我还有一个关于正态分布的问题。我的随机数应该来自某个池吗?例如$[0,1]$或是否可以获取超出此范围的值 这是在Jupyter笔记本中编写的代码:
import numpy as np
a = np.random.randn(100,100)
a
array([[-0.42952803, -0.55136761, -0.45544016, ..., -0.54125441,
2.31481612, 0.93721055],
[-0.2440975 , -0.10233273, -0.06972217, ..., -0.25760561,
0.48431004, -0.91599734],
[-1.39176645, -0.79784139, -0.21914249, ..., 2.38224209,
1.57696294, 0.48747715],
...,
[ 0.38458431, -1.75968742, 1.64696889, ..., 1.43273609,
-0.74896945, 0.48588267],
[ 1.22934075, 1.27112809, -0.40593726, ..., 0.63584471,
0.11152366, -2.23030795],
[ 1.5910005 , 0.29184142, -0.01811951, ..., -0.25800051,
-0.09681777, 0.40182752]])
你所做的是正确的,但有几件事需要注意 首先,
np.random.randn()。根据你的问题,这听起来像是你想要的,但请注意,你也可以使用np.random.normal(mu,sd,size=(100100))
其中mu
是你想要取样的正态分布的平均值,sd
是标准偏差
关于您关于范围值应该在什么范围内的问题,它们肯定不限于[0,1]
。正态分布是一个定义在所有实数上的连续概率密度函数,因此理论上你可以看到任何实数,尽管观察每个值的概率随着你远离平均值而降低
有关一般正态分布的更多信息,我建议您阅读Wolfram。我认为您所做的将起作用,但是,numpy
文档建议您使用
有关更多详细信息,请参阅numpy.random.randn
文档
所以这看起来像
将numpy导入为np
材料=np.随机.标准_正常(尺寸=(100100))
材料尺寸()
产生
array([[ 0.19635784, 0.19134202, -0.90622914, ..., -0.1487657 ,
0.210058 , -0.06616276],
[ 0.37758747, -1.96359795, -0.1302543 , ..., 0.27463501,
0.5956493 , 0.95462422],
[-0.06986621, 1.6122695 , -0.91379974, ..., 0.94488747,
-0.05906328, -1.09491503],
...,
[ 0.04273415, -0.7566953 , 0.34079966, ..., -0.2154078 ,
-1.42879529, -0.7601603 ],
[ 0.87875502, -0.18143793, -0.97638314, ..., 0.19633813,
1.19428871, -1.9585137 ],
[ 0.75305984, 0.26421749, -1.06839234, ..., -1.10464615,
-0.25891926, 1.2184856 ]])