我是Python的极度新手，很难写出一个非常简单的代码。
我尝试着用gauss函数，期望值为1.0，标准差为0.005，生成100个正态分布的数字，并将它们存储在一个数组中，以便可以计算这些样本的平均值和标准偏差。
以下是我的代码：
def uniformrandom(n):
i=0
while i< n:
gauss(1.0, 0.005)
i = i + 1
return i
L = uniformrandom(100)
在Python中，代码应该缩进，但是当我在StackOverflow输入时，我并不知道如何缩进。
假设我使用公式（x1+x2+...+xn）/100来获得平均值，那么我该如何存储这些数字并使用该公式来计算平均值。
我在Python中尝试了这段代码，但L只打印出n的值。我不太清楚我的代码有什么问题，应该如何解决。
如果有人能提供一些帮助，将不胜感激。非常感谢！
import numpy as np
L =np.random.normal(1.0, 0.005, 100)
my_mean_value = np.mean(L)
请记住，如果您想打印输出内容，需要使用print my_mean value。uniformrandom()没有返回任何结果。您需要添加一个return语句：
def uniformrandom(n):
i=0
while i< n:
gauss(1.0, 0.005)
i = i + 1
return i
这只返回了gauss的数字。你甚至没有将gauss()调用存储在列表中。您应该将您的函数更改为以下内容：
def uniformrandom(n):
gausses = []
for _ in range(n):
gausses.append(gauss(1.0, 0.005))
return gausses
你甚至可以使用列表推导式：
def uniformrandom(n):
return [gauss(1.0, 0.005) for _ in range(n)]
在Python中，代码应该有缩进，但是当我在StackOverflow输入时，我不知道如何缩进。
你只需要使用空格进行缩进。
我在Python中尝试了这段代码，但L没有打印任何东西。
嗯，你的函数没有返回任何值。
编辑现在你的代码返回一个整数i，它将与n相同。它仍然没有返回与你调用的gauss函数相关的任何内容。
例如，要生成单个合适的数字：
def uniformrandom_1():
return gauss(1.0, 0.005)
n个数字的列表，你可以直接使用。[uniformrandom_1() for i in range(n)]
def uniformrandom(n):
return [uniformrandom_1() for i in range(n)]
def mean(sample):
return sum(sample)/len(sample)
L = uniformrandom(100)
LMean = mean(L)
def uniformrandom(n):
nums=[]
total=0
i=0
for i in range(1, n):
num=gauss(1.0, 0.005)
nums.append( num )
total +=num
return (nums,total/n)
返回生成的数字和平均值
这将使用高斯函数创建一个包含n个随机数的列表。 import random as rd
def uniformrandom(n):
i=0
random_list=[]*n
for i in range(n):
random_list+=[rd.gauss(1, 0.005)]
return random_list
要获取平均值，只需使用mean=sum(random_list)/n
numpy.random.normal函数，如下所示。import numpy as np
random_numbers = np.random.normal(1.0, 0.005, 100)
random_numbers存储在数组中，可以使用numpy.array来实现，具体如下：random_numbers_array = np.array(random_numbers)
然后使用{{link1：numpy.mean}}来计算平均值。
mean = np.mean(random_numbers_array)
而要计算标准差，则使用以下方式numpy.std
std = np.std(random_numbers_array)
def uniformrandom(mean, std):
random_numbers = np.random.normal(mean, std, 100)
random_numbers_array = np.array(random_numbers)
mean = np.mean(random_numbers_array)
std = np.std(random_numbers_array)
return random_numbers_array, mean, std
让我们看看它检索到了什么
print(uniformrandom(1.0, 0.005))
[Out]:
(array([1.00716042, 0.99938042, 0.99178698, 1.00791888, 1.00623344,
1.00555578, 0.99890757, 1.00695046, 0.98482516, 0.9928371 ,
1.00016377, 0.99510195, 1.00280951, 0.99472607, 0.99453582,
1.00791222, 1.00302319, 1.00004503, 0.99884054, 1.00429994,
0.99591756, 1.010769 , 1.00827643, 0.996754 , 0.99236853,
1.00096622, 1.00092158, 1.00192217, 1.00148108, 0.9975529 ,
1.00953799, 1.0073464 , 0.99942883, 1.0065139 , 1.00265884,
1.00885268, 0.99613224, 1.00299541, 0.99977556, 1.01090735,
1.00132776, 0.99711267, 1.00129545, 1.00500702, 0.99937595,
1.00603761, 0.98960716, 0.99932355, 0.99687272, 1.00332839,
0.991147 , 0.99643908, 0.99279811, 1.00112179, 1.00012058,
0.9989405 , 1.00150169, 1.00683601, 0.99885708, 0.99632519,
1.00112315, 0.99280336, 1.00759542, 1.00140661, 1.00183764,
0.99540866, 1.0002343 , 0.99421579, 1.01169739, 1.00330142,
0.99977923, 1.00365608, 0.9984007 , 1.00106568, 1.00349778,
0.99527499, 0.99189253, 0.99477082, 0.99486919, 0.99784054,
0.99240925, 1.00417557, 0.99566904, 1.00355492, 0.99717846,
0.99910477, 0.99718301, 1.00711659, 0.99623698, 1.00143697,
1.00876763, 1.0049953 , 0.99885742, 0.99498201, 1.00324752,
0.99907905, 0.99762597, 0.99502917, 0.99511507, 1.00991401]), 1.0002981820807302, 0.005332038881947385)
uniformrandom函数没有返回任何值，因此在您的代码中L为空（仅包含None值）。 - Ludwik Trammeri直到它等于n，然后返回它。 - Peter Wood