python - 使用 numpy.random.normal 时如何指定上限和下限

Question

我希望能够从仅介于 0 和 1 之间的正态分布中选择值。在某些情况下，我希望能够基本上只返回一个完全随机的分布，而在其他情况下，我想返回值呈高斯形状。

目前我正在使用以下功能:

def blockedgauss(mu,sigma):
    while True:
        numb = random.gauss(mu,sigma)
        if (numb > 0 and numb < 1):
            break
    return numb

它从正态分布中选择一个值，如果它超出 0 到 1 的范围，则将其丢弃，但我觉得必须有更好的方法来做到这一点。

Answer 1

听起来你想要一个 truncated normal distribution .使用 scipy，您可以使用 scipy.stats.truncnorm从这样的分布中生成随机变量:

import matplotlib.pyplot as plt
import scipy.stats as stats

lower, upper = 3.5, 6
mu, sigma = 5, 0.7
X = stats.truncnorm(
    (lower - mu) / sigma, (upper - mu) / sigma, loc=mu, scale=sigma)
N = stats.norm(loc=mu, scale=sigma)

fig, ax = plt.subplots(2, sharex=True)
ax[0].hist(X.rvs(10000), normed=True)
ax[1].hist(N.rvs(10000), normed=True)
plt.show()

上图为截断正态分布，下图为均值mu和标准差sigma相同的正态分布。