Python使用numpy產(chǎn)生正態(tài)分布隨機(jī)數(shù)的向量或矩陣操作示例
本文實(shí)例講述了Python使用numpy產(chǎn)生正態(tài)分布隨機(jī)數(shù)的向量或矩陣操作。分享給大家供大家參考，具體如下：
簡(jiǎn)單來(lái)說(shuō)，正態(tài)分布（Normal distribution）又名高斯分布（Gaussian distribution），是一個(gè)在數(shù)學(xué)、物理及工程等領(lǐng)域都非常重要的概率分布，在統(tǒng)計(jì)學(xué)的許多方面有著重大的影響力。一般的正態(tài)分布可以通過(guò)標(biāo)準(zhǔn)正態(tài)分布配合數(shù)學(xué)期望向量和協(xié)方差矩陣得到。如下代碼，可以得到滿足一維和二維正態(tài)分布的樣本。
示例1（一維正態(tài)分布）：
# coding=utf-8 ''' 作者：采石工 來(lái)源：知乎 ''' import numpy as np from numpy.linalg import cholesky import matplotlib.pyplot as plt sampleNo = 1000; # 一維正態(tài)分布 # 下面三種方式是等效的 mu = 3 sigma = 0.1 np.random.seed(0) s = np.random.normal(mu, sigma, sampleNo ) plt.subplot(141) plt.hist(s, 30, normed=True) np.random.seed(0) s = sigma * np.random.randn(sampleNo ) + mu plt.subplot(142) plt.hist(s, 30, normed=True) np.random.seed(0) s = sigma * np.random.standard_normal(sampleNo ) + mu plt.subplot(143) plt.hist(s, 30, normed=True) # 二維正態(tài)分布 mu = np.array([[1, 5]]) Sigma = np.array([[1, 0.5], [1.5, 3]]) R = cholesky(Sigma) s = np.dot(np.random.randn(sampleNo, 2), R) + mu plt.subplot(144) # 注意繪制的是散點(diǎn)圖，而不是直方圖 plt.plot(s[:,0],s[:,1],'+') plt.show()
運(yùn)行結(jié)果：
示例2（正態(tài)分布）：
#-*- coding:utf-8 -*- # Python實(shí)現(xiàn)正態(tài)分布 # 繪制正態(tài)分布概率密度函數(shù) import numpy as np import matplotlib.pyplot as plt import math u = 0 # 均值μ u01 = -2 sig = math.sqrt(0.2) # 標(biāo)準(zhǔn)差δ x = np.linspace(u - 3*sig, u + 3*sig, 50) y_sig = np.exp(-(x - u) ** 2 /(2* sig **2))/(math.sqrt(2*math.pi)*sig) print x print "="*20 print y_sig plt.plot(x, y_sig, "r-", linewidth=2) plt.grid(True) plt.show()
運(yùn)行結(jié)果：
更多關(guān)于Python相關(guān)內(nèi)容感興趣的讀者可查看本站專題：《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python編碼操作技巧總結(jié)》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》及《Python入門與進(jìn)階經(jīng)典教程》
希望本文所述對(duì)大家Python程序設(shè)計(jì)有所幫助。
- NumPy隨機(jī)數(shù)據(jù)分布與Seaborn可視化詳解
- NumPy數(shù)組排序、過(guò)濾與隨機(jī)數(shù)生成詳解
- Numpy創(chuàng)建數(shù)組和隨機(jī)數(shù)組的方法小結(jié)
- numpy中幾種隨機(jī)數(shù)生成函數(shù)的用法
- Python NumPy中的隨機(jī)數(shù)及ufuncs函數(shù)使用示例詳解
- numpy 產(chǎn)生隨機(jī)數(shù)的幾種方法
- numpy中生成隨機(jī)數(shù)的幾種常用函數(shù)(小結(jié))
- python numpy之np.random的隨機(jī)數(shù)函數(shù)使用介紹
- python numpy 常用隨機(jī)數(shù)的產(chǎn)生方法的實(shí)現(xiàn)
- NumPy隨機(jī)數(shù)生成函數(shù)的多種實(shí)現(xiàn)方法
相關(guān)文章
Tensorflow實(shí)現(xiàn)多GPU并行方式
今天小編就為大家分享一篇Tensorflow實(shí)現(xiàn)多GPU并行方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02
Python空間數(shù)據(jù)處理之GDAL讀寫(xiě)遙感圖像
這篇文章主要介紹了Python空間數(shù)據(jù)處理之GDAL讀寫(xiě)遙感圖像，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
這篇文章主要介紹了python入門級(jí)小游戲，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-05-05
Python讀取xlsx數(shù)據(jù)生成圖標(biāo)代碼實(shí)例
這篇文章主要介紹了Python讀取xlsx數(shù)據(jù)生成圖標(biāo)代碼實(shí)例,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-08-08
string模塊主要包含關(guān)于字符串的處理函數(shù)，這篇文章主要介紹了Python中String模塊示例代碼，代碼簡(jiǎn)單易懂，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2022-12-12
這篇文章主要介紹了Python 連接 MySQL 的幾種方法，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2020-09-09
本文主要介紹了PyInstaller打包Python腳本的使用示例,通過(guò)?PyInstaller,可以將Python腳本打包成?.exe文件（適用于?Windows）或適用于?macOS?和?Linux?的可執(zhí)行文件,感興趣的可以了解一下2025-04-04
三元運(yùn)算符也稱為條件表達(dá)式，是根據(jù)條件為真或假來(lái)評(píng)估某些內(nèi)容的運(yùn)算符。它在2.5 版本中被添加到 Python 中。 本文將通過(guò)示例詳細(xì)說(shuō)說(shuō)三元運(yùn)算符的使用，需要的可以參考一下2022-09-09
Python爬蟲(chóng)圖片懶加載技術(shù) selenium和PhantomJS解析
這篇文章主要介紹了Python爬蟲(chóng)圖片懶加載技術(shù) selenium和PhantomJS解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-09-09
Python 3.x 連接數(shù)據(jù)庫(kù)示例（pymysql 方式）
這篇文章主要介紹了Python 3.x 連接數(shù)據(jù)庫(kù)示例（pymysql 方式）,小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-01-01