有的,scipy.stats.distributions
是一个包含了各种统计分布的 Python 模块。下面是一个使用 scipy.stats.distributions
的示例代码,用于生成正态分布的随机数:
import numpy as np
from scipy.stats import norm
# 生成正态分布的随机数
mean = 0
std_dev = 1
num_samples = 1000
random_samples = np.random.normal(mean, std_dev, num_samples)
# 计算正态分布的概率密度函数
x = np.linspace(norm.ppf(0.01, mean, std_dev), norm.ppf(0.99, mean, std_dev), 100)
y = norm.pdf(x, mean, std_dev)
# 绘制正态分布的概率密度函数图形
import matplotlib.pyplot as plt
plt.plot(x, y)
plt.hist(random_samples, bins=50, density=True, alpha=0.6, color='g')
plt.show()
在这个示例中,我们首先导入了 numpy
和 scipy.stats.norm
,然后使用 np.random.normal()
函数生成了一组正态分布的随机数。接下来,我们计算了正态分布的概率密度函数,并使用 matplotlib
绘制了正态分布的概率密度函数图形。
TVP技术夜未眠
云+社区沙龙online第5期[架构演进]
云+社区技术沙龙[第25期]
实战低代码公开课直播专栏
云+社区技术沙龙[第28期]
云+社区技术沙龙[第14期]
Lowcode Talk
领取专属 10元无门槛券
手把手带您无忧上云