使用Python的random_normal()函数生成20个随机正态分布数据

在Python中，可以使用numpy库来生成随机正态分布数据。numpy库提供了一个random_normal()函数来生成服从正态分布的随机数。

下面是使用Python中的random_normal()函数生成20个随机正态分布数据的示例：

import numpy as np

# 生成20个随机正态分布数据
data = np.random.normal(size=20)

# 打印生成的随机数据
print(data)

上述代码中，我们首先导入了numpy库，并使用random_normal()函数生成了20个服从标准正态分布（均值为0，标准差为1）的随机数。然后，我们将生成的随机数存储在一个名为data的变量中，并通过print语句打印出这些随机数据。

运行上述代码段，可以得到类似如下的输出：

[-0.37402297 -1.15303215 -0.61992806  0.4042265   0.41039658 -1.42350642
  0.26502301  0.08732148 -0.67369338  1.23794875 -0.11230276  1.01064832
 -0.45207162 -0.39949258 -1.87875262  0.0993569  -1.29352099  1.1204609
 -0.89024577  1.65199936]

可以看到，随机生成的数据符合正态分布，并且分布范围在正负3个标准差内。

除了生成服从标准正态分布的随机数外，我们还可以通过numpy.random.normal()函数来生成不同均值和标准差的正态分布数据。例如，我们可以生成均值为10，标准差为2的正态分布数据，代码如下：

import numpy as np

# 生成均值为10，标准差为2的正态分布数据
data = np.random.normal(loc=10, scale=2, size=20)

# 打印生成的随机数据
print(data)

在上述代码中，通过设置loc参数为10，scale参数为2，我们生成了20个均值为10，标准差为2的正态分布数据。运行上述代码，可以得到如下输出：

[ 9.41355905  8.15385773 13.01265119  7.76083711 10.69501283  9.87122992
 10.53002495 10.38283838  9.74082705 11.2975411  10.00196395 10.32794842
  9.28072863  9.98099725  9.72217183  9.48006598  7.70014478  8.71798265
 11.30180559  9.4556464 ]

可以看到，生成的数据均值接近于10，且在10左右的数值较多，符合均值和标准差的设置。

通过上述示例，我们可以使用Python的numpy库中的random_normal()函数来生成服从正态分布的随机数。方法非常简单，只需设置好所需的均值、标准差和数据数量即可。这样，我们可以方便地生成需要的服从正态分布的随机数据，用于后续的数据分析、建模等任务中。