使用python实现随机正态分布数据，并导出到表格（超详细）

Quase7

已于 2022-11-12 18:23:55 修改

阅读量1w

点赞数 12

CC 4.0 BY-SA版权

分类专栏：编程文章标签： python numpy

于 2022-11-02 23:48:18 首次发布

本文链接：https://blog.csdn.net/m0_53533553/article/details/127639771

文章目录

一、前言
二、使用步骤
总结

一、前言

最近需要大量的正态分布的数据，为了方便，使用python实现随机正态分布，画出理想正态分布图和实际的矩形分布，并导出到表格里面。

二、使用步骤

1.引入库

下面是编写代码所用到的库

import numpy as np   #随机数
import matplotlib.pyplot as plt   #画图
import xlwt    #导出表格

2.随机正态分布生成算法

生成的数据是100*100，且使用了两种生成正态分布的算法。

一种是基于最大值、最小值范围得到的随机分布。

result = np.random.randint(0, 100, size=100) # 最小值,最大值,数量

在这里插入图片描述

一种是基于均值和标准差得到的随机分布。

result = np.random.normal(60, 20, (row,cols))  # 均值,标准差,数量

在这里插入图片描述

可以看到，两种算法当中，基于均值和标准差得到的数据更接近正态分布，接下来以第二种做演示。

2.1.利用np.random.normal函数生成二维数据

# 根据均值、标准差,求指定范围的正态分布概率值
def normfun(x, mu, sigma):
  pdf = np.exp(-((x - mu)**2)/(2*sigma**2)) / (sigma * np.sqrt(2*np.pi))
  return pdf

row = 100  #行
cols = 100  #列

#随机生成，整体正态分布
# result = np.random.randint(0, 100, size=100) # 最小值,最大值,数量
result = np.random.normal(60, 20, (row,cols))  # 均值,标准差,数量
#print(result)

生成的数据
在这里插入图片描述

2.2.利用for循环生成100*100数据

# 根据均值、标准差,求指定范围的正态分布概率值
def normfun(x, mu, sigma):
  pdf = np.exp(-((x - mu)**2)/(2*sigma**2)) / (sigma * np.sqrt(2*np.pi))
  return pdf

row = 100  #行
cols = 84  #列
result_arr = [[0 for<