np.cumsum()与np.random.normal()函数

最新推荐文章于 2026-07-13 09:35:08 发布

转载最新推荐文章于 2026-07-13 09:35:08 发布 · 3.9k 阅读

收录于

学习笔记

当前文章被收录于：

学习笔记

4 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

本文介绍NumPy库中np.cumsum()函数的使用方法，包括按轴进行累计求和操作，并展示了如何通过np.random.normal()生成指定均值和标准差的正态分布随机数。

np.cumsum() 累计求和，示例如下：
>>> a = np.array([[1,2,3], [4,5,6]])
>>> a
array([[1, 2, 3],
       [4, 5, 6]])
>>> np.cumsum(a)
array([ 1,  3,  6, 10, 15, 21])
>>> np.cumsum(a, dtype=float)     # specifies type of output value(s)
array([  1.,   3.,   6.,  10.,  15.,  21.])
>>> np.cumsum(a,axis=0)      # sum over rows for each of the 3 columns
array([[1, 2, 3],
       [5, 7, 9]])
>>> np.cumsum(a,axis=1)      # sum over columns for each of the 2 rows
array([[ 1,  3,  6],
       [ 4,  9, 15]])
np.random.normal()  正态分布：

numpy.random.normal(loc=0.0, scale=1.0, size=None)  
参数的意义为：
　　loc:float
　　概率分布的均值，对应着整个分布的中心center
　　scale:float
　　概率分布的标准差，对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高
　　size:int or tuple of ints
　　输出的shape，默认为None，只输出一个值
　　我们更经常会用到np.random.randn(size)所谓标准正太分布（μ=0, σ=1），对应于np.random.normal(loc=0, scale=1, size)