😊 Python中的np.random.normal 😊

在Python的数据分析和机器学习领域，`np.random.normal` 是一个非常实用的函数，用于生成符合正态分布（也叫高斯分布）的随机数。正态分布是统计学中最常见的分布之一，广泛应用于模拟数据或测试算法。

首先，我们需要导入NumPy库，它是Python中处理数组和矩阵的强大工具。代码如下：

```python

import numpy as np

```

接下来，使用 `np.random.normal` 生成随机数。它的基本语法是：

```python

np.random.normal(loc=0.0, scale=1.0, size=None)

```

- `loc` 表示正态分布的均值，默认为0。

- `scale` 表示标准差，默认为1。

- `size` 指定输出的形状。

例如，生成10个均值为5、标准差为2的随机数：

```python

random_numbers = np.random.normal(loc=5, scale=2, size=10)

print(random_numbers)

```

通过这种方式，我们可以轻松模拟现实世界中的数据分布，比如考试成绩、测量误差等。💡

掌握这个函数后，数据分析和建模变得更加高效有趣！💪

🌟 如果你觉得这篇文章有用，请点赞支持哦！🌟