Python：从 NxM 正态分布中抽取的 NxM 样本数组

Question

我有两个二维数组（或更高维度），一个定义平均值 (M)，一个定义标准偏差 (S)。是否有 python 库（numpy、scipy、...？）允许我生成一个数组 (X)，其中包含从相应分布中抽取的样本？

换句话说：每个条目 x_ij 是来自相应均值 m_ij 定义的正态分布的样本，并且标准差 s_ij.

Answer 1

是 numpy 可以在这里提供帮助：

有一个 np.random.normal 函数接受类似数组的输入：

import numpy as np
means = np.arange(10) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
stddevs = np.ones(10) # [1, 1, 1, 1, 1, 1, 1, 1, 1, 1]

samples = np.random.normal(means, stddevs)

array([-1.69515214, -0.20680708,  0.61345775,  2.98154162,  2.77888087,
        7.22203785,  5.29995343,  8.52766436,  9.70005434,  9.58381479])

即使它们是多维的：

means = np.arange(10).reshape(2,5) # make it multidimensional with shape 2, 5
stddevs = np.ones(10).reshape(2,5)

samples = np.random.normal(means, stddevs)

array([[-0.76585438,  1.22226145,  2.85554809,  2.64009423,  4.67255324],
       [ 3.21658151,  4.59969355,  6.87946817,  9.14658687,  8.68465692]])

第二个的形状是(2,5)

如果您只需要不同的均值但需要相同的标准差，您也可以只传递一个数组和一个标量，但仍会得到一个具有正确形状的数组：

means = np.arange(10)

samples = np.random.normal(means, 1)

array([ 0.54018686, -0.35737881,  2.08881115,  3.08742942,  4.4426366 ,
        3.6694955 ,  5.27515536,  8.68300816,  8.83893819,  7.71284217])

Python：从 NxM 正态分布中抽取的 NxM 样本数组

Python: NxM array of samples drawn from NxM normal distributions

python

numpy

normal-distribution

scipy

multidimensional-array