在给定均值和标准差的情况下生成二维正态分布

Question

我正在寻找numpy.random.normal 例程的二维模拟，即numpy.random.normal 生成一个以均值、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使用相同输入参数在二维空间中生成点的方法。

看起来numpy.random.multivariate_normal 可以做到这一点，但我不太明白cov 参数应该是什么。以下摘录更详细地描述了此参数，并且来自 scipy 文档：

分布的协方差矩阵。必须是对称的并且 “物理意义”结果的半正定。

在页面后面的示例部分，给出了一个示例cov 值：

cov = [[1,0],[0,100]] # diagonal covariance, points lie on x or y-axis

然而，这个概念对我来说仍然很不透明。

如果有人能澄清cov 应该是什么，或者建议另一种方法在给定均值和标准差的情况下使用 python 在二维空间中生成点，我将不胜感激。

Answer 1

如果你将size=[1, 2] 传递给normal() 函数，你会得到一个二维数组，这正是你要找的：

>>> numpy.random.normal(size=[1, 2])
array([[-1.4734477 , -1.50257962]])