我正在寻找例程的二维模拟numpy.random.normal，即numpy.random.normal生成一个以平均值、标准差和样本数作为输入的一维数组，而我正在寻找的是一种生成二维点的方法具有相同输入参数的空间。
看起来numpy.random.multivariate_normal可以做到这一点，但我不太明白参数cov应该是什么。以下摘录来自 scipy 文档，更详细地描述了此参数：
\n\n\n分布的协方差矩阵。对于具有物理意义的\xe2\x80\x9c 结果，必须是对称的且\n 正半定的。
\n
在本页后面的示例部分中，cov给出了一个示例值：
cov = [[1,0],[0,100]] # diagonal covariance, points lie on x or y-axis\n然而，这个概念对我来说仍然相当不透明。
\n\n如果有人可以澄清cov应该是什么，或者建议使用 python 在给定平均值和标准差的二维空间中生成点的另一种方法，我将不胜感激。
如果传递size=[1, 2]给该normal()函数，您会得到一个二维数组，这实际上就是您正在寻找的：
>>> numpy.random.normal(size=[1, 2])
array([[-1.4734477 , -1.50257962]])