精准高效生成区间正态分布随机数
在许多数据模拟和统计分析场景中，我们需要生成服从正态分布，且限定在特定范围内的随机数。例如，生成介于0到1之间，并符合正态分布的随机数。直接使用numpy.random.normal函数无法满足这一需求。本文将介绍一种高效的解决方案。
简单的循环生成方法虽然直观，但效率低下，尤其当目标区间较小时，程序运行时间会显著增加。
更优的方案是利用scipy.stats.truncnorm函数。该函数能够生成截断正态分布随机数，即只保留落在指定范围内的随机数，从而避免了低效的循环筛选。
以下代码演示如何使用scipy.stats.truncnorm函数生成0到1之间的正态分布随机数：
import matplotlib.pyplot as pltimport scipy.stats as stats# 定义区间上下限和正态分布参数lower, upper = 0, 1mu, sigma = 0.5, 0.2# 创建截断正态分布对象X = stats.truncnorm((lower - mu) / sigma, (upper - mu) / sigma, loc=mu, scale=sigma)# 生成10000个随机数samples = X.rvs(10000)# 绘制直方图plt.hist(samples, bins=50)plt.xlabel("数值")plt.ylabel("频率")plt.title("截断正态分布 (0, 1)")plt.show()
代码首先设定区间上下限lower、upper，以及正态分布的均值mu和标准差sigma。stats.truncnorm函数根据mu、sigma以及计算出的上下限对应的z-score，创建一个截断正态分布对象。rvs(10000)方法生成10000个随机数，最后用直方图可视化结果。这种方法比循环丢弃法效率更高，且能更精确地控制生成的随机数分布。
以上就是如何高效生成指定范围内的正态分布随机数？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1358379.html
微信扫一扫 
支付宝扫一扫 
