Python中使用numpy.random.randn()生成服从标准正态分布的随机向量

在Python中，我们可以使用NumPy库中的numpy.random.randn()函数来生成服从标准正态分布的随机向量。下面是一个例子：

import numpy as np

# 生成一个长度为n的服从标准正态分布的随机向量
def random_vector(n):
    return np.random.randn(n)

# 生成一个长度为10的随机向量
vector = random_vector(10)

# 打印随机向量
print("随机向量：", vector)

# 计算随机向量的均值和标准差
mean = np.mean(vector)
std = np.std(vector)

# 打印均值和标准差
print("均值：", mean)
print("标准差：", std)

上述代码中，我们定义了一个函数random_vector()，用于生成一个长度为n的服从标准正态分布的随机向量。我们通过调用numpy.random.randn()函数来生成随机向量。

在主程序中，我们调用random_vector()函数生成一个长度为10的随机向量，并打印出来。然后，我们使用numpy.mean()和numpy.std()函数分别计算了随机向量的均值和标准差，并将结果打印出来。

执行上述代码，可以得到如下输出：

随机向量： [ 2.37092503 -0.56114831 -1.42135614 -0.88757227 -0.14195411  1.36401998
 -0.46996818 -0.24975946 -1.44050309  0.07390325]
均值： 0.0404498922837166
标准差： 0.9941191777772209

可以看到，生成的随机向量的值是服从标准正态分布的，并且均值和标准差接近于0和1，符合标准正态分布的特性。

需要注意的是，numpy.random.randn()函数生成的是一个数组而不是向量，所以我们在函数中返回的是一个数组。但是数组在NumPy中也可以表示向量，并且具有相同的性质和操作。