Python random.gauss() 方法

Python 中的random.gauss()方法生成服从高斯分布（也称为正态分布）的随机数。它是一族连续概率分布，取决于两个参数mu和sigma的值。其中，mu是高斯分布的均值，sigma是高斯分布的标准差。这种分布经常用于统计学、数据分析和各个科学领域，包括自然科学和社会科学。

此方法比random.normalvariate()方法更快，后者用于从高斯（正态）分布生成随机数。

语法

以下是 Python random.gauss()方法的语法：

random.gauss(mu, sigma)

参数

此方法接受以下参数：

• mu: 这是高斯分布的均值。它定义了数据点分布的中心。

• sigma: 这是高斯分布的标准差。它决定了分布的散布；较大的标准差会导致较宽的分布。

返回值

此方法返回一个服从高斯分布的随机数。

示例 1

让我们来看一个使用 Python random.gauss()方法从均值为 0、标准差为 1 的高斯分布生成随机数的基本示例。

import random

# mean
mu = 0  
# standard deviation
sigma = 1  

# Generate a Gaussian-distributed random number
random_number = random.gauss(mu, sigma)

# Print the output
print("Generated random number from Gaussian-distribution:",random_number)

以下是输出：

Generated random number from Gaussian-distribution: 0.5822883447626581

注意：由于其随机性，每次运行程序生成的输出都会有所不同。

示例 2

此示例使用random.gauss()方法生成一个包含 10 个服从高斯分布的随机数的列表。

import random

# mean
mu = -2 

# standard deviation
sigma = 0.5  

result = []
# Generate a list of random numbers from the Gaussian distribution
for i in range(10):
    result.append(random.gauss(mu, sigma))

print("List of random numbers from Gaussian distribution:", result)

执行上述代码时，您将获得如下所示的类似输出：

List of random numbers from Gaussian distribution: [-1.6883491787714924, -2.2670950449189835, -1.68497316636885, -2.62956757323328, -1.8888429377204585, -2.6139116413700765, -2.287545626016553, -1.5470101615690448, -2.259090829777413, -1.9380772732164955]

示例 3

这是一个使用random.gauss()方法的另一个示例，它演示了如何改变均值和标准差会影响高斯分布的形状。

import random
import matplotlib.pyplot as plt

# Define a function to generate and plot data for a given mu and sigma
def plot_gaussian(mu, sigma, label, color):

    # Generate Gaussian-distributed data
    data = [random.gauss(mu, sigma) for _ in range(10000)]

    # Plot histogram of the generated data
    plt.hist(data, bins=100, density=True, alpha=0.6, color=color, label=f'(mu={mu}, sigma={sigma})')

fig = plt.figure(figsize=(7, 4))

# Plotting for each set of parameters
plot_gaussian(0, 0.2, '0, 0.2', 'blue')
plot_gaussian(0, 1, '0, 1', 'red')
plot_gaussian(0, 2, '0, 2', 'yellow')
plot_gaussian(-2, 0.5, '-2, 0.5', 'green')

# Adding labels and title
plt.title('Gaussian Distributions')
plt.legend()

# Show plot
plt.show()

上述代码的输出如下所示：