正态分布和均匀分布下生成数组之比较

正态分布和均匀分布

正态分布是一种常见的概率分布，它也被称为高斯分布或钟形曲线。正态分布的概率密度函数为：

其中，μ是正态分布的均值，σ是正态分布的标准差。

均匀分布是一种另一种常见的概率分布，它表示在某个范围内，随机变量的取值具有相同的概率。均匀分布的概率密度函数为：

其中，a和b是均匀分布的最小值和最大值。

使用 NumPy 生成随机数组

1. 正态分布

可以使用 numpy.random.randn() 函数来生成正态分布的随机数组。numpy.random.randn() 函数会生成一个标准正态分布的随机数组，即均值为 0，标准差为 1 的正态分布。

import numpy as np

# 生成一个形状为 (5, 3) 的标准正态分布随机数组
array = np.random.randn(5, 3)

print(array)

输出结果：

[[-0.23317167  0.75459888  0.2775335 ]
 [ 0.16710677  0.06639108  0.04198611]
 [ 0.7457211   0.7471079  -0.63880553]
 [-0.45323019  0.27826265 -0.74472095]
 [ 0.07601462  0.38636858 -1.0790509 ]]

2. 均匀分布

可以使用 numpy.random.rand() 函数来生成均匀分布的随机数组。numpy.random.rand() 函数会生成一个均匀分布的随机数组，即在 [0, 1) 范围内的随机数组。

import numpy as np

# 生成一个形状为 (5, 3) 的均匀分布随机数组
array = np.random.rand(5, 3)

print(array)

输出结果：

[[0.63528848 0.88982207 0.6923815 ]
 [0.01150168 0.33094717 0.74315606]
 [0.23483828 0.04638276 0.38132886]
 [0.77443944 0.86405151 0.01374506]
 [0.55334701 0.69212187 0.12025483]]

比较

正态分布和均匀分布都是常见的概率分布，它们在不同的领域都有着广泛的应用。在数据分析中，正态分布常被用来具有对称分布特征的数据，而均匀分布常被用来具有均匀分布特征的数据。

在随机数组的生成中，正态分布和均匀分布也有着不同的特点。正态分布生成的随机数组具有对称分布的特征，而均匀分布生成的随机数组具有均匀分布的特征。

总结

本文比较了正态分布和均匀分布下生成数组的方式，并给出了示例代码来说明如何使用这两个函数。希望本文能够帮助读者更好地理解和使用 NumPy 的随机数组生成函数。