【问题标题】：Get random numbers within one standard deviation获取一个标准差内的随机数
【发布时间】：2015-04-23 00:26:12
【问题描述】：

我想生成随机数，比如说 100。现在我使用 numpy 的目的如下：

print numpy.random.normal(loc=200,scale=50,size=100)

但我希望生成的数字与平均值（即 loc）仅相差一个标准差。最好的方法是什么？

我是否应该简单地执行以下操作：

print numpy.random.randint(150, high=250, size=100)

或者还有其他方法吗？

【问题讨论】：

你的意思是“除了平均值之外只产生一个标准差”？你的意思是你希望得到的数字分布的标准差为 1？在这种情况下，numpy.random.normal(loc=mean, scale=1.0, ...).
哦，你想要一个截断的正态分布。 numpy.random 没有，但 scipy.stats 有。 from scipy import stats; stats.truncnorm.rvs(-1.0, 1.0, loc=200.0, scale=50.0, size=100)
可能是这个问题本身就是一个愚蠢的问题，因为正态分布的数据应该包含具有钟形曲线的 0-max 值。
嗯 -inf 到 +inf。

标签： python-2.7 numpy random normal-distribution

【解决方案1】：

选择一个号码

按照@Robert Kern's comment 中的建议使用 scipy 的truncnorm

from scipy import stats

arr = stats.truncnorm.rvs(-1, 1, loc=200.0, scale=50.0, size=1) 
print(arr[0])

前两个参数表示范围 [a, b]（以标准差衡量），loc 是均值（分布的中心），scale 是标准差（分布的分布程度） )。

在 -1 到 +3 个 STD 范围内的图号

import matplotlib.pyplot as plt
from scipy import stats

# -1 to +3 standard deviations apart
r = stats.truncnorm.rvs(-1, 3, loc=200.0, scale=50.0, size=10**6)

plt.hist(r, bins=100, color='blue')
plt.xlabel("value")
plt.ylabel("frequency")
plt.show()

旁注：randint() 和 normal()不以相同的方式选择数字。

numpy.random.randint

从“半开”区间的“离散均匀”分布中返回随机整数。

numpy.random.normal

从正态（高斯）分布中抽取随机样本。

使用randint() 在所选区间内获得任何数字的几率是相同的，这与来自normal distribution 的数字不同（获得更接近峰值的数字的几率更大）。

【讨论】：