用Python的random_normal()函数生成20个符合正态分布的随机数字集合串

random_normal()函数是Python中random模块中的一个函数，用于生成符合正态分布的随机数。正态分布又称为高斯分布，是自然界中常见的一种分布。在统计学和概率论中，正态分布是一种连续概率分布，其形状呈钟状曲线，在中心对称的情况下，其均值、中位数和众数都相等，同时具有两个参数：均值（mean）和标准差（standard deviation）。

生成符合正态分布的随机数需要传入均值和标准差两个参数。均值代表了分布的中心位置，标准差则是用来描述分布的离散程度。

以下是使用Python中random_normal()函数生成20个符合正态分布的随机数的示例代码：

import random

mean = 0  # 设置均值
std_dev = 1  # 设置标准差

random_numbers = [random.normalvariate(mean, std_dev) for _ in range(20)]

print(random_numbers)

在上述代码中，首先导入了random模块，然后设置了均值mean为0，标准差std_dev为1。接着使用列表推导式生成了一个包含20个正态分布随机数的列表random_numbers。最后打印输出了随机数列表。

运行上述代码，将会得到类似以下的输出结果：

[0.015458323468849744, -0.9839926005011931, -0.5267998579816233, 0.5938509491576691, -0.9202077070670596, 0.6585196658051657, -1.060325678556831, 0.14032260531293934, -0.9790337175083832, -0.2739630278065023, 1.2563030968054757, -0.9434542069355497, 1.0977589172529681, -0.32138686435061933, 0.05132335450006743, 0.4271641705966462, -0.7160013761499032, -1.4498500519751282, -0.7005172614964225, -0.5852475631391229]

从输出结果可以看出，random_normal()函数生成了符合正态分布的随机数集合。根据均值和标准差的设置，随机数的分布在均值周围，并且大部分随机数集中在均值附近。

这样，通过使用Python中random_normal()函数，我们可以方便地生成符合正态分布的随机数集合，并在很多实际应用中得到应用。