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

在Python中，可以使用numpy.random.randn()函数生成服从标准正态分布的随机数向量。

标准正态分布（也称为高斯分布）是一种均值为0，标准差为1的概率分布。具体使用方法如下：

import numpy as np

# 生成一个随机数向量
random_vector = np.random.randn(1000)

# 打印前10个随机数
print(random_vector[:10])

上述代码将生成一个包含1000个随机数的向量，并打印出前10个随机数。运行代码，输出结果如下：

[ 0.02826297 -0.8136455   0.25345121 -1.01324553 -0.07236642
 -0.54760232 -0.71101751  1.03510194  0.33117934 -0.68916058]

可以看到，生成的随机数向量包含10个浮点数，这些数都是服从标准正态分布的。

需要注意的是，numpy.random.randn()函数生成的是一个数组，可以通过索引访问其中的元素。

除了生成服从标准正态分布的随机数向量外，numpy还提供了其它生成服从不同概率分布的函数。例如：

- numpy.random.normal(loc, scale, size)：生成指定均值和标准差的正态分布随机数向量。

- numpy.random.uniform(low, high, size)：生成指定范围的均匀分布随机数向量。

- numpy.random.exponential(scale, size)：生成指定尺度的指数分布随机数向量。

这些函数可以根据具体需要选择使用，可以通过查阅numpy官方文档获取更多详细信息。

总结来说，使用numpy.random.randn()函数可以方便地生成服从标准正态分布的随机数向量，可以用于模拟实验、数据分析和机器学习等领域。