高效生成指定范围内的正态分布随机数：python & numpy
本文介绍如何使用Python的NumPy和SciPy库高效生成限定在特定范围内的正态分布随机数。许多应用场景需要在保证随机数服从正态分布的同时，限制其数值范围（例如，所有值必须介于0到1之间）。直接使用numpy.random.normal无法满足此需求。
传统的循环生成并丢弃的方法效率低下，尤其在大样本量的情况下。 更优的方案是利用SciPy的scipy.stats.truncnorm函数。该函数能够生成截断正态分布随机数，即限制在指定上下限范围内的正态分布随机数。
以下代码演示如何使用scipy.stats.truncnorm生成介于0和1之间的正态分布随机数：
立即学习“Python免费学习笔记（深入）”；
import matplotlib.pyplot as pltimport scipy.stats as statslower, upper = 0, 1 # 设置下限和上限mu, sigma = 0.5, 0.2 # 设置均值和标准差# 计算截断参数a = (lower - mu) / sigmab = (upper - mu) / sigma# 生成截断正态分布X = stats.truncnorm(a, b, 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.title('截断正态分布 (0, 1)')plt.xlabel('数值')plt.ylabel('频率')plt.show()
代码首先定义了上下限(0和1)以及正态分布的均值和标准差。 然后计算truncnorm函数所需的截断参数a和b。最后，使用rvs方法生成10000个随机数，并用直方图可视化结果。 这种方法比循环丢弃法更高效，尤其在需要大量样本时。 通过调整mu和sigma参数，可以灵活控制生成的随机数的分布形状。
以上就是如何用Python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/1358522.html
微信扫一扫 
支付宝扫一扫 
