在numpy中生成一个随机正态分布的矩阵

Question

我希望生成一个矩阵M，其元素M(i,j)来自于标准正态分布。一种简单的方法是：

import numpy as np

A = [ [np.random.normal() for i in range(3)]    for j in range(3) ]
A = np.array(A)
print(A)

[[-0.12409887  0.86569787 -1.62461893]
 [ 0.30234536  0.47554092 -1.41780764]
 [ 0.44443707 -0.76518672 -1.40276347]]

不过，我在玩 numpy 的时候发现了另一个“解决方案”：

import numpy as np
import numpy.matlib as npm

A = np.random.normal(npm.zeros((3, 3)), npm.ones((3, 3)))
print(A)

[[ 1.36542538 -0.40676747  0.51832243]
 [ 1.94915748 -0.86427391 -0.47288974]
 [ 1.9303462  -1.26666448 -0.50629403]]

我阅读了关于numpy.random.normal的文档，它并没有解释当传递矩阵而不是单个值时该函数如何工作。我怀疑在第二个“解决方案”中可能会从多元正态分布中抽取样本，但这不可能是真的，因为输入参数都具有相同的维度（协方差应该是一个矩阵，平均值是一个向量）。不确定第二段代码生成了什么。

- user3639557

---

np.random.normal(0,1,(3,3)) - sacuL

Answer 1

您想要做的方法是

A = np.random.normal(0, 1, (3, 3))

这是可选的size参数，用于告诉NumPy您想要返回的形状（在本例中为3×3）。

第二种方法也可以使用，因为文档说明如下：

如果size为None（默认值），则loc和scale都是标量，则返回单个值。否则，将绘制np.broadcast（loc，scale）。size样本。

因此不存在多变量分布和相关性。

- StefanS

---

谢谢，已修复。 - StefanS

我认为这很有用，但并没有回答问题中第二段代码的问题。 - Sasha Tsukanov

也修复了那个。 - StefanS