從np.random.normal()到正態(tài)分布的擬合操作
先看偉大的高斯分布（Gaussian Distribution）的概率密度函數(shù)（probability density function）：
對(duì)應(yīng)于numpy中：
numpy.random.normal(loc=0.0, scale=1.0, size=None)
參數(shù)的意義為：
loc：float
此概率分布的均值（對(duì)應(yīng)著整個(gè)分布的中心centre）
scale：float
此概率分布的標(biāo)準(zhǔn)差（對(duì)應(yīng)于分布的寬度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints
輸出的shape，默認(rèn)為None，只輸出一個(gè)值
我們更經(jīng)常會(huì)用到的np.random.randn(size)所謂標(biāo)準(zhǔn)正態(tài)分布
對(duì)應(yīng)于np.random.normal(loc=0, scale=1, size)。
采樣（sampling）
# 從某一分布（由均值和標(biāo)準(zhǔn)差標(biāo)識(shí)）中獲得樣本 mu, sigma = 0, .1 s = np.random.normal(loc=mu, scale=sigma, size=1000)
也可使用scipy庫(kù)中的相關(guān)api（這里的類(lèi)與函數(shù)更符合數(shù)理統(tǒng)計(jì)中的直覺(jué)）：
import scipy.stats as st mu, sigma = 0, .1 s = st.norm(mu, sigma).rvs(1000)
校驗(yàn)均值和方差：
>>> abs(mu < np.mean(s)) < .01
True
>>> abs(sigma-np.std(s, ddof=1)) < .01
True
# ddof，delta degrees of freedom，表示自由度
# 一般取1，表示無(wú)偏估計(jì)，
擬合
我們看使用matplotlib.pyplot便捷而強(qiáng)大的語(yǔ)法如何進(jìn)行高斯分布的擬合：
import matplotlib.pyplot as plt
count, bins, _ = plt.hist(s, 30, normed=True)
# normed是進(jìn)行擬合的關(guān)鍵
# count統(tǒng)計(jì)某一bin出現(xiàn)的次數(shù)，在Normed為T(mén)rue時(shí)，可能其值會(huì)略有不同
plt.plot(bins, 1./(np.sqrt(2*np.pi)*sigma)*np.exp(-(bins-mu)**2/(2*sigma**2), lw=2, c='r')
plt.show()
或者：
s_fit = np.linspace(s.min(), s.max()) plt.plot(s_fit, st.norm(mu, sigma).pdf(s_fit), lw=2, c='r')
np.random.normal()的含義及實(shí)例
這是個(gè)隨機(jī)產(chǎn)生正態(tài)分布的函數(shù)。（normal 表正態(tài)）
先看一下官方解釋?zhuān)?/strong>
有三個(gè)參數(shù)
loc：正態(tài)分布的均值，對(duì)應(yīng)著這個(gè)分布的中心.代表下圖的μ
scale：正態(tài)分布的標(biāo)準(zhǔn)差，對(duì)應(yīng)分布的寬度，scale越大，正態(tài)分布的曲線(xiàn) 越矮胖，scale越小，曲線(xiàn)越高瘦。 代表下圖的σ
size：你輸入數(shù)據(jù)的shape，例子：
下面展示一些 內(nèi)聯(lián)代碼片。
// An highlighted block a=np.random.normal(0, 1, (2, 4)) print(a) 輸出： [[-0.29217334 0.41371571 1.26816017 0.46474676] [ 1.33271487 0.80162296 0.47974157 -1.49748788]]
看這個(gè)圖直觀些：
以下為官方文檔：
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
Python設(shè)計(jì)模式之建造者模式實(shí)例詳解
這篇文章主要介紹了Python設(shè)計(jì)模式之建造者模式,簡(jiǎn)單說(shuō)明了建造者模式的概念、原理,并結(jié)合實(shí)例形式分析了Python定義及使用建造者模式相關(guān)操作技巧,需要的朋友可以參考下2019-01-01
如何使用python中的networkx來(lái)生成一個(gè)圖
這篇文章主要介紹了如何使用python中的networkx來(lái)生成一個(gè)圖，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2022-12-12
jupyter notebook 的工作空間設(shè)置操作
這篇文章主要介紹了jupyter notebook 的工作空間設(shè)置操作，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2020-04-04
Python開(kāi)啟線(xiàn)程,在函數(shù)中開(kāi)線(xiàn)程的實(shí)例
今天小編就為大家分享一篇Python開(kāi)啟線(xiàn)程,在函數(shù)中開(kāi)線(xiàn)程的實(shí)例，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2019-02-02
今天小編就為大家分享一篇Pytorch Tensor 輸出為txt和mat格式方式，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2020-01-01
ubuntu安裝jupyter并設(shè)置遠(yuǎn)程訪(fǎng)問(wèn)的實(shí)現(xiàn)
Jupyter?Notebook是Ipython的升級(jí)版，而Ipython可以說(shuō)是一個(gè)加強(qiáng)版的交互式Shell，本文主要介紹了ubuntu安裝jupyter并設(shè)置遠(yuǎn)程訪(fǎng)問(wèn)的實(shí)現(xiàn)，感興趣的可以了解一下2022-03-03
今天小編就為大家分享一篇python 自動(dòng)去除空行的實(shí)例，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2018-07-07
很多軟件在運(yùn)行時(shí)會(huì)自動(dòng)創(chuàng)建一些備份文件，在程序退出后又不自動(dòng)刪除備份文件，隨著文件數(shù)量的增加，每隔一段時(shí)間就要清理一下。2011-03-03
python3 通過(guò) pybind11 使用Eigen加速代碼的步驟詳解
這篇文章主要介紹了python3 通過(guò) pybind11 使用Eigen加速代碼的步驟詳解,本文給大家介紹的非常詳細(xì)，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2020-12-12
Python根據(jù)指定日期計(jì)算后n天，前n天是哪一天的方法
這篇文章主要介紹了Python根據(jù)指定日期計(jì)算后n天，前n天是哪一天的方法,涉及Python日期與時(shí)間計(jì)算相關(guān)操作技巧,需要的朋友可以參考下2018-05-05