在Python中，生成二维正态分布的随机数可以通过`numpy`库中的`numpy.random.multivariate_normal`函数实现。以下是一个简单的示例代码，展示了如何生成二维正态分布的随机数并绘制其分布图：
import numpy as npimport matplotlib.pyplot as plt定义均值（mean）和协方差矩阵（covariance matrix）mean = [0, 0]cov = [[1, 0.5], [0.5, 1]]生成二维正态分布随机数random_numbers = np.random.multivariate_normal（mean, cov, 1000）绘制散点图plt.scatter（random_numbers[:, 0], random_numbers[:, 1]）plt.title（'2D Normal Distribution'）plt.xlabel（'X'）plt.ylabel（'Y'）plt.show（）
在这段代码中，`mean`是一个包含两个素的列表，表示分布的均值；`cov`是一个2x2的矩阵，表示分布的协方差。`np.random.multivariate_normal`函数接受这三个参数，并生成一个形状为（1000, 2）的二维正态分布随机数数组。最后，使用`matplotlib`库的`scatter`函数绘制散点图来可视化分布情况。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://sigusoft.com/bj/93065.html