python正态分布随机数生成的三种方式

python正态分布随机数生成的三种方式

 

方法1：内置库random

使用方式：详见 https://docs.python.org/zh-cn/3/library/random.html

import random
# 返回整数
a=random.randint(min,max)
# 返回指定范围内的小数
a=random.uniform(min,max)
# 返回0-1之间的小数
a=random.seed()
# 返回指定数学期望和标准差的高斯分布随机数
a=random.gauss(miu,sigma)
# 从序列seq中有放回采样
a=random.choice(seq)
# 从序列seq中无放回采样
a=random.sample(seq)

优点：快

缺点：每次只能生成一个，生成一组需要加循环。只支持正态分布等八种分布。

 

方法2：numpy函数random

使用方法：https://numpy.org/devdocs/reference/random/index.html?highlight=random#module-numpy.random

from numpy.random import default_rng
rng = default_rng()
vals = rng.standard_normal(100)

优点：较快，更准确，可以同时生成很多，但是需要先定义生成器

 

方法3：scipy统计学函数stats

使用方法：https://docs.scipy.org/doc/scipy/reference/stats.html

from scipy import stats
a=stats.norm.rvs(miu,sigma,size=500)

优点：支持绝大部分数学分布，不仅可以生成随机数，还可以生成概率密度函数，累计概率密度函数及其对数函数。

缺点：慢

 

 

 

python正态分布随机数生成的三种方式