python - numpy中的随机正态分布矩阵

Question

我想生成一个矩阵M，其元素M(i，j)来自标准正态分布。一种简单的方法是

import numpy as np

A = [ [np.random.normal() for i in range(3)]    for j in range(3) ]
A = np.array(A)
print(A)

[[-0.12409887  0.86569787 -1.62461893]
 [ 0.30234536  0.47554092 -1.41780764]
 [ 0.44443707 -0.76518672 -1.40276347]]

但是，我在玩numpy，遇到了另一个“解决方案”:

import numpy as np
import numpy.matlib as npm

A = np.random.normal(npm.zeros((3, 3)), npm.ones((3, 3)))
print(A)

[[ 1.36542538 -0.40676747  0.51832243]
 [ 1.94915748 -0.86427391 -0.47288974]
 [ 1.9303462  -1.26666448 -0.50629403]]

我读了 numpy.random.normal的 document，它说它并不清楚当传递矩阵而不是单个值时该函数如何工作。我怀疑在第二个“解决方案”中我可能是从多元正态分布中提取的。但这不是真的，因为输入参数都具有相同的维数(协方差应该是矩阵，均值是 vector )。不知道第二个代码正在生成什么。

Answer 1

做您想要的事的预期方法是

A = np.random.normal(0, 1, (3, 3))

这是可选的 size参数，它告诉numpy您想要返回的形状(在这种情况下为3乘3)。

您的第二种方法也可以工作，因为文档指出

If size is None (default), a single value is returned if loc and scale are both scalars. Otherwise, np.broadcast(loc, scale).size samples are drawn.

因此，没有多元分布，也没有相关性。