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 时遇到了另一个“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]]

我阅读了的文档numpy.random.normal，它说它没有阐明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”中我可能会从多元正态分布中得出。但这不可能是真的，因为输入参数都具有相同的维度（协方差应该是矩阵，平均值是向量）。不确定第二个代码生成了什么。

Answer 1

做你想做的事情的预期方法是

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

这是可选size参数，告诉 numpy 您想要返回什么形状（在本例中为 3 x 3）。

你的第二种方法也有效，因为文档指出

如果 size 为 None （默认），并且 loc 和 scale 都是标量，则返回单个值。否则，将抽取 np.broadcast(loc,scale).size 样本。

所以不存在多元分布，也不存在相关性。