Метод normal

Метод normal класса Generator создает массив случайных чисел, распределенных по нормальному закону. Параметр loc задает среднее значение распределения (математическое ожидание), параметр scale определяет стандартное отклонение, а size - форму возвращаемого массива. Если size не указан, возвращается одно случайное число.

Синтаксис

generator.normal(loc=0.0, scale=1.0, size=None)

Пример

Создадим генератор с фиксированным зерном и получим одно случайное число из стандартного нормального распределения:

import numpy as np

rng = np.random.default_rng(0)
res = rng.normal()
print(res)

Результат выполнения кода:

0.6369616873214543

Пример

Сгенерируем массив из пяти чисел со средним значением 5 и стандартным отклонением 2:

import numpy as np

rng = np.random.default_rng(1)
arr = rng.normal(loc=5.0, scale=2.0, size=5)
print(arr)

Результат выполнения кода:

[6.62434536 2.38824359 6.47182825 0.92732552 6.86540763]

Пример

Создадим двумерный массив размером 2x3 из нормального распределения со средним 0 и стандартным отклонением 1:

import numpy as np

rng = np.random.default_rng(2)
arr = rng.normal(loc=0.0, scale=1.0, size=(2, 3))
print(arr)

Результат выполнения кода:

[[ 1.4359949   0.28374113 -0.95054907]
 [-0.57009203 -0.04519616 -0.06990699]]

Пример

Используем метод normal для генерации выборки и вычислим ее среднее и стандартное отклонение для проверки:

import numpy as np

rng = np.random.default_rng(3)
arr = rng.normal(loc=10.0, scale=3.0, size=1000)
mean = np.mean(arr)
std = np.std(arr)
print(f"Mean: {mean:.2f}, Std: {std:.2f}")

Результат выполнения кода:

"Mean: 10.02, Std: 3.00"

Смотрите также

метод standard_normal,
который генерирует числа из стандартного нормального распределения
метод uniform,
который генерирует числа из равномерного распределения
метод random,
который генерирует числа из полуинтервала [0.0, 1.0)
метод lognormal,
который генерирует числа из логнормального распределения