利用numpy.random.randn()函数生成多维正态分布的随机样本数据

numpy.random.randn()函数是numpy库中的一个函数，用于生成符合标准正态分布（均值为0，标准差为1）的随机样本数据。这个函数的参数是一个或多个整数，用于指定生成随机样本数据的维度大小。

下面是一个使用numpy.random.randn()函数生成多维正态分布随机样本数据的例子：

import numpy as np

# 生成2*3的二维正态分布随机样本数据
data = np.random.randn(2, 3)
print("二维正态分布随机样本数据：")
print(data)
print()

# 生成3*4*5的三维正态分布随机样本数据
data = np.random.randn(3, 4, 5)
print("三维正态分布随机样本数据：")
print(data)

在这个例子中，我们首先导入了numpy库，并使用np作为别名。然后，我们分别使用numpy.random.randn函数生成了二维和三维的正态分布随机样本数据。

对于二维正态分布随机样本数据，我们传入的参数是2和3，表示生成2行3列的数据。然后，我们使用print函数打印出了生成的随机样本数据。

对于三维正态分布随机样本数据，我们传入的参数是3、4和5，表示生成3个高度为4、宽度为5的二维数据。同样，我们也使用print函数打印出了生成的随机样本数据。

这个函数生成的随机样本数据会满足标准正态分布。如果我们需要生成其他均值和标准差的正态分布随机样本数据，可以通过对生成的数据进行线性变换得到。例如，如果要生成均值为mu，标准差为sigma的正态分布随机样本数据，可以使用如下代码：

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

其中，...表示需要传入的维度大小。

总结起来，numpy.random.randn()函数是numpy库中用于生成符合标准正态分布的多维随机样本数据的函数。可以通过传入不同的维度大小参数生成不同维度的随机样本数据。生成的随机样本数据满足标准正态分布，如果需要生成其他均值和标准差的正态分布随机样本数据，可以通过线性变换得到。这个函数在数据科学、机器学习等领域中非常常见，可用于生成模拟数据、实验数据等。