np.random.randn()

### `np.random.randn` 的默认参数解释 `np.random.randn` 是 NumPy 中用于生成服从标准正态分布（均值为 0，标准差为 1）的随机数的函数。如果未提供任何参数，则会返回一个从该分布中抽取的浮点数[^3]。 #### 默认行为 当不传递任何参数时，`np.random.randn()` 返回单个浮点数值，该数值来自标准正态分布。例如： ```python import numpy as np # 默认情况下生成一个标准正态分布的随机数 random_num = np.random.randn() print(random_num) ``` 输出结果类似于： ``` -1.2255531526822836 ``` 此数值理论上可以取负无穷到正无穷之间的任意实数，但实际上大多数样本会集中在 0 附近[^3]。 #### 参数说明 `np.random.randn` 支持一组可选的整数参数 `d0, d1, ..., dn`，它们用于指定输出数组的维度。每个参数代表一个轴的长度，且必须是非负整数。如果没有任何参数传入，则默认生成一个标量（即单个浮点数）[^4]。 例如，以下代码生成一个形状为 (2, 3) 的二维数组，其中每个元素都是标准正态分布的随机数： ```python # 生成一个2x3的矩阵，其中每个元素都是标准正态分布的随机数 random_matrix = np.random.randn(2, 3) print(random_matrix) ``` 输出可能如下所示： ``` [[ 0.0192291 -0.40467306 0.68757845] [ 0.70956837 0.00599631 -0.99822342]] ``` 上述行为表明，`np.random.randn` 在无参数时返回单一浮点数，在有参数时返回相应形状的多维数组[^4]。 --- ### 与其他随机数生成函数的区别 与 `np.random.random` 不同的是，`np.random.randn` 生成的是标准正态分布的数据，而 `np.random.random` 生成的是在区间 `[0.0, 1.0)` 内的均匀分布随机数。因此，两者适用于不同场景：前者适合模拟自然现象中的波动，后者适合生成归一化数据。 此外，`np.random.normal` 是更通用的正态分布生成函数，允许用户自定义均值和标准差。`np.random.randn` 可以看作是 `np.random.normal(loc=0, scale=1)` 的特例[^1]。 --- ### 示例总结 以下是一些常见的使用示例，展示了 `np.random.randn` 的默认与带参调用方式： ```python # 默认情况：生成一个随机浮点数 print(np.random.randn()) # 输出类似 -1.2255531526822836 # 生成一个包含5个随机数的一维数组 print(np.random.randn(5)) # 输出类似 [ 0.49489432 -0.95505266 -0.34218517 0.05715235 -0.06584269] # 生成一个2x3的二维数组 print(np.random.randn(2, 3)) # 输出类似 [[ 0.0192291 -0.40467306 0.68757845] # [ 0.70956837 0.00599631 -0.99822342]] ``` 这些示例进一步验证了其默认参数的行为和灵活性[^3]。 ---