randn和普通Python之間的區別

Question

我使用Python的numpy.random模塊中的randn和normal函數。這些函數與我在http://docs.scipy.org手冊（他們都涉及高斯分佈）中讀到的內容非常相似，但是我應該注意哪些細微差別？如果是這樣，在什麼情況下我會更好地使用特定功能？

Answer 1

randn似乎給出了一些標準化的正態分佈（均值0和方差1）的分佈。 normal需要更多參數才能獲得更多控制。所以rand似乎只是一個方便的功能

Answer 2

我是一個統計學家有時代碼，而不是反之亦然，所以這是我可以用一些準確的答案。

看着你在你的問題鏈接的文檔，我還是要強調一些關鍵的不同：

正常：

numpy.random.normal(loc=0.0, scale=1.0, size=None) 
# Draw random samples from a normal (Gaussian) distribution. 

# Parameters : 
# loc : float -- Mean (「centre」) of the distribution. 
# scale : float -- Standard deviation (spread or 「width」) of the distribution. 
# size : tuple of ints -- Output shape. If the given shape is, e.g., (m, n, k), then m * n * k samples are drawn. 

因此，在這種情況下，你產生GENERIC正態分佈（關於後面的含義的更多細節）。

randn：

numpy.random.randn(d0, d1, ..., dn) 
# Return a sample (or samples) from the 「standard normal」 distribution. 

# Parameters : 
# d0, d1, ..., dn : int, optional -- The dimensions of the returned array, should be all positive. If no argument is given a single Python float is returned. 
# Returns : 
# Z : ndarray or float -- A (d0, d1, ..., dn)-shaped array of floating-point samples from the standard normal distribution, or a single such float if no parameters were supplied. 

在這種情況下，你產生具體正態分佈，標準發佈。

---

現在的一些數學，這是真正需要得到你的問題的心臟的：

一個正常的分佈是其中的值更可能附近的平均值發生。本質上有一堆這種情況。例如，6月份達拉斯的平均高溫，比方說95°F，一年內可能達到100甚至105個平均值，但更通常的是接近95或97.同樣，它可能達到最低溫度80，但85或90更有可能。

因此，它與統一分配（滾動一個誠實的六面模具）有根本的區別。

---

甲標準正態分佈只是一個普通的分佈，其中平均值爲0和方差（用於變化的數學術語）爲1

所以，

numpy.random.normal(size= (10, 10)) 

與寫作完全相同

numpy.random.randn(10, 10) 

，因爲numpy.random.normal的值（loc = 0，scale = 1）默認實際上是標準分佈。

使事情更混亂，因爲numpy random documentation狀態：

sigma * np.random.randn(...) + mu 

相同

np.random.normal(loc= mu, scale= sigma, ...) 

---

*最後說明一點：我使用的術語方差數學方法描述的變化。有些人說標準偏差。方差簡單地等於標準偏差的平方。由於標準分佈的方差= 1，在這種情況下的標準分佈，variance == standard deviation。