Python实战：生成正态分布数据

要生成正态分布数据，可以使用Python的NumPy库。NumPy提供了许多用于生成随机数的函数，其中包括用于生成正态分布数据的函数。
首先，确保已经安装了NumPy库。如果尚未安装，可以使用以下命令进行安装：

pip install numpy

接下来，我们将使用NumPy的random.normal函数来生成正态分布数据。该函数接受三个参数：平均值（mean）、标准差（std）和要生成的样本数量（size）。
下面是一个简单的示例，演示如何生成1000个服从标准正态分布（均值为0，标准差为1）的随机数：

import numpy as np
import matplotlib.pyplot as plt
# 生成标准正态分布数据
data = np.random.normal(0, 1, 1000)
# 可视化数据
plt.hist(data, bins=30, density=True)
plt.show()

在上面的代码中，我们首先导入了NumPy和matplotlib.pyplot库。然后，使用np.random.normal函数生成了1000个标准正态分布的随机数。最后，使用plt.hist函数绘制了数据的直方图。通过设置density=True参数，直方图将显示概率密度而不是频数。
运行上述代码后，将显示一个直方图，其中展示了生成的1000个标准正态分布随机数的概率密度。
除了标准正态分布，你还可以通过调整mean和std参数来生成其他正态分布的随机数。例如，要生成均值为5、标准差为2的正态分布数据，可以执行以下代码：

data = np.random.normal(5, 2, 1000)
plt.hist(data, bins=30, density=True)
plt.show()

这将生成1000个均值为5、标准差为2的正态分布随机数，并显示相应的直方图。
通过这种方式，你可以灵活地生成各种正态分布数据，并进行可视化分析。在实际应用中，这些数据可以用于模拟、统计分析或机器学习模型的训练和评估。