利用Python的random_normal()函数生成20个服从正态分布的随机数

random_normal()函数是Python中random模块中的一个函数，用于生成服从正态分布的随机数。该函数的语法如下所示：

random_normal(mu, sigma, size=None)

其中，mu表示正态分布的均值，sigma表示正态分布的标准差，size表示需要生成的随机数的个数，默认为None，即生成一个随机数。

下面我们通过一个例子来说明如何使用random_normal()函数生成20个服从正态分布的随机数。

import numpy as np

# 设置均值和标准差
mu = 0  # 均值
sigma = 1  # 标准差

# 使用random_normal()函数生成20个服从正态分布的随机数
random_numbers = np.random.normal(mu, sigma, 20)

print(random_numbers)

运行以上代码，可以得到如下输出：

[ 0.37815366 -0.04343474 -0.40984709 -0.77363428 -0.08728392 -1.09007847
  0.89424554 -1.33605096  1.08894346 -0.47545865 -1.3605853   0.29321552
  0.86601463  0.01015281  1.28075879 -0.62987787 -0.77110287 -0.76360003
  2.22847732  2.08377699]

以上代码首先导入了numpy库，然后设置正态分布的均值mu为0，标准差sigma为1。接着使用random_normal()函数生成20个服从均值为0，标准差为1的正态分布的随机数，并将结果存储在random_numbers变量中。最后，将随机数打印输出。

可以看到，随机数是一组浮点数，且大部分围绕均值为0的区域分布。

总结起来，利用Python的random_normal()函数可以方便地生成服从正态分布的随机数，通过指定均值和标准差来调整正态分布的形状。这在很多实际应用中非常有用，例如生成随机样本、模拟实验等。