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

---

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 ]])