我想从随机数列表中生成 N 个随机数据集。我可以使用这个轻松生成 n 个随机值：
normal(loc=mu, scale=sigma, size=n)
其中 loc 是平均值，scale 是标准差，size 是值的数量。
但是现在我想重复这个随机生成器 N 次来创建 N 个彼此不同的数据集。任何人都可以帮忙吗？我觉得这并不难，但我对编程很陌生。
【问题讨论】：
如果您想要从正态分布生成的k 值的n 样本，那么
np.random.normal(loc=mu, scale=sigma, size=(n, k))
例子：
>>> mu, sigma, n, k = 0, 0.1, 10, 5
>>> np.random.normal(loc=mu, scale=sigma, size=(n, k))
array([[-0.07518366, -0.1949778 , -0.00940813, 0.00993604, -0.07682189],
[-0.03299335, 0.01224153, 0.15198659, 0.18654867, 0.18538708],
[-0.10499824, 0.11863809, -0.08196595, -0.07259012, -0.13982268],
[ 0.08297579, -0.08121311, 0.19496005, 0.00710787, 0.04434566],
[ 0.00057888, -0.18052104, -0.02845761, 0.03330374, -0.08525697],
[-0.11370541, 0.01166695, -0.09914575, 0.14135651, -0.03463862],
[-0.13043708, 0.16128385, 0.03448309, 0.20302464, 0.02949679],
[-0.08506748, -0.08459261, 0.05036709, -0.05956242, -0.10132293],
[ 0.07130109, -0.01409814, -0.06980729, 0.05180577, 0.19270917],
[ 0.04884829, -0.02219597, 0.04511094, -0.10689077, -0.00715145]])
【讨论】：
试试这个：
import numpy as np
repeat = 100
mu, sigma = 0, 0.1 # mean and standard deviation
[np.random.normal(mu, sigma, 10) for r in range(repeat)]
您可以阅读random的文档：
正常(loc=0.0, scale=1.0, size=None)
参数
size : 整数或整数元组，可选 输出形状。如果给定的形状是，例如，
(m, n, k)，那么m * n * k抽取样本。如果大小为None（默认）， 如果loc和scale都是标量，则返回单个值。 否则，将抽取np.broadcast(loc, scale).size样本。
您可以使用size，如下所示：
repeat ,length =2 , 4
mu, sigma = 0, 0.1
np.random.normal(mu, sigma, size=(repeat,length))
输出：
array([[ 0.09247016, 0.04766574, -0.16065042, 0.15859744],
[ 0.08376381, 0.01822829, -0.0690609 , -0.10800701]])
【讨论】：