Python 如何在numpy中获得一个范围内的正态分布？

在机器学习任务中。我们应该得到一组有界的随机w.r.t正态分布。我们可以使用

np.random.normal（）

获得正态分布数，但它不提供任何绑定参数。我想知道如何做到这一点？

如果您正在查找，SciPy有一个函数，名为

此分布的标准形式是标准正态分布 范围[a，b]-注意，a和b是在域上定义的 标准的正常值。转换特定平均值的剪辑值的步骤和 标准偏差，使用：

a、 b=（myclip\u a-我的意思）/我的性病，（myclip\u b-我的意思）/我的性病

truncnorm将a和b作为形状参数

上面的示例以-2和2为界，并返回10个随机变量（使用

.rvs（）

方法）

这是-6，6的柱状图：

---

除了@bakkal suggestion（+1）之外，您可能还想看看实现这一点的方法，将其改写为模块。

truncnorm的参数化非常复杂，因此下面是一个将参数化转换为更直观的功能：

from scipy.stats import truncnorm

def get_truncated_normal(mean=0, sd=1, low=0, upp=10):
    return truncnorm(
        (low - mean) / sd, (upp - mean) / sd, loc=mean, scale=sd)

---

---

如何使用它？

使用以下参数实例生成器：平均值、标准偏差和截断范围：

然后，您可以使用X生成一个值：

>>> X.rvs()
6.0491227353928894

或者，具有N个生成值的numpy数组：

>>> X.rvs(10)
array([ 7.70231607,  6.7005871 ,  7.15203887,  6.06768994,  7.25153472,
        5.41384242,  7.75200702,  5.5725888 ,  7.38512757,  7.47567455])

---

一个直观的例子 以下是三种不同的截断正态分布图：

X1 = get_truncated_normal(mean=2, sd=1, low=1, upp=10)
X2 = get_truncated_normal(mean=5.5, sd=1, low=1, upp=10)
X3 = get_truncated_normal(mean=8, sd=1, low=1, upp=10)

import matplotlib.pyplot as plt
fig, ax = plt.subplots(3, sharex=True)
ax[0].hist(X1.rvs(10000), normed=True)
ax[1].hist(X2.rvs(10000), normed=True)
ax[2].hist(X3.rvs(10000), normed=True)
plt.show()

---

您可以将目标范围（按惯例）细分为相等的分区，然后计算每个和所有区域的积分，然后根据曲面对每个分区调用统一方法。 它是用python实现的：

---

quad_-vec（eval（'scipy.stats.norm.pdf'），1,4，points=[0.5,2.5,3,4]，full_-output=True）

正态分布数据的随机样本不应该是无界的吗？为什么不使用truncnorm（a=-2，b=2，scale=1）只是为了明确a和b是形状参数，否则读者可能尝试-2，2的比例不同于1，然后获取[-2，2]+1之外的随机值。但是，值得注意的是，如果函数内部立即使用

get\u truncated\u normal.rvs（）

，而不是在外部调用它，那么函数会更快。当然，这只有在你想要随机抽签的情况下才有帮助。这并不是100%都能正常工作。使用low=0，upp=1，有时会给出负数。

>>> X.rvs()
6.0491227353928894

>>> X.rvs(10)
array([ 7.70231607,  6.7005871 ,  7.15203887,  6.06768994,  7.25153472,
        5.41384242,  7.75200702,  5.5725888 ,  7.38512757,  7.47567455])

X1 = get_truncated_normal(mean=2, sd=1, low=1, upp=10)
X2 = get_truncated_normal(mean=5.5, sd=1, low=1, upp=10)
X3 = get_truncated_normal(mean=8, sd=1, low=1, upp=10)

import matplotlib.pyplot as plt
fig, ax = plt.subplots(3, sharex=True)
ax[0].hist(X1.rvs(10000), normed=True)
ax[1].hist(X2.rvs(10000), normed=True)
ax[2].hist(X3.rvs(10000), normed=True)
plt.show()