Python 高斯随机分布的奇异行为

我正在运行一段代码，其目的是将一个浮点数列表/数组和一个相同长度的关联列表/数组作为“错误”，并根据高斯分布对第一个列表进行无序排列

这是代码的

MWE

：

import random
import numpy as np

def random_data(N, a, b):
    # Generate some random data.
    return np.random.uniform(a, b, N).tolist()

# Obtain values for x.
x = random_data(100, 0., 1.)
# Obtain error/sigma values for x.
x_sigma = random_data(100, 0., 0.2)

# Generate new x values shuffling each float around a
# Gaussian distribution with a given sigma.
x_gauss = random.gauss(np.array(x), np.array(x_sigma))

print x-x_gauss

我发现，执行

x-x_gauss

的结果是一个浮动列表，始终为正或负。这意味着

random.gauss

调用总是为

x

中的每个浮点分配一个较大的新值，或者为

x

中的所有值分配一个较小的新值

我希望

random.gauss

调用将

x

中的浮点值左右移动，因为这是一个随机过程

为什么没有发生这种情况？我对流程的理解有误吗？

这是：

注意，is正在为

z

生成一个值，并返回

mu+z*sigma

。 由于

mu

和

sigma

是numpy数组，因此此计算是按元素进行的。由于

sigma

为正，移位

z*sigma

始终为正或负，具体取决于

z

---

如果您使用的是NumPy，除非有特殊原因，否则我将使用

np.random

模块生成这些值。这比使用Python循环调用

random.gauss要快得多：

import numpy as np

N = 100
x = np.random.uniform(0., 1., size=N)
x_sigma = np.random.uniform(0., 0.2, size=N)

z = np.random.normal(0, 1, size=N)
x_gauss = x + z*x_sigma

print x-x_gauss

哦，我明白了，所以我应该在
for
循环中递归地执行此操作，以便为每个浮点获得不同的随机洗牌，或者有更好的方法来实现此操作吗？没关系，我将结束此操作，提出一个新的问题，以避免混淆。谢谢@unutbu！好吧，既然你写了那么好的代码来替换我的错误代码，那么就没有必要再提出另一个问题了。再次非常感谢！
import numpy as np

N = 100
x = np.random.uniform(0., 1., size=N)
x_sigma = np.random.uniform(0., 0.2, size=N)

z = np.random.normal(0, 1, size=N)
x_gauss = x + z*x_sigma

print x-x_gauss