Numpy学习之(九)
随机数生成
1.取得标准正态分布的样本
2.Numpy.random在产生大量样本值得时候要比Python的快多了
在这里简单介绍下Python内置的random模块的normalvariate(mu,sigma)
mu:均值 sigma:标准差 mu=0,sigma=1为标准正态分布。 除了均匀分布,正态分布用的是最多的。 import random import numpy as np import time st = time.clock() N =1000000 n = [] for i in range(N): n.append(random.normalvariate(0,1)) print("均值=",np.mean(n)) print("标准差=",np.std(n)) print("耗时=",time.clock() - st) 输出结果: 均值= -7.42643413388e-05 标准差= 1.00049689373 耗时= 5.702438655147374 可以看出,随机生成1000000个数,这些数符合正态分布。
来自博文:https://blog.csdn.net/saltriver/article/details/52270371.txt
3.部分的numpy.random函数
以上这些分布在本科阶段都学过,但是...忘记了,况且当初学的也不透彻.所以也是继续前进,以后用到再说.
看到一位博主的博客讲得不错:https://blog.csdn.net/saltriver/article/details/52332294