如何在 NumPy 中使用 `numpy.random.normal` 生成指定上限和下限的正态分布随机数？

如何使用 numpy.random.normal 指定上限和下限

正态分布的随机值常用于建模现实世界中的现象。然而，在某些情况下，需要从落在特定范围内的分布中选取值。本文将探讨如何使用 numpy.random.normal 指定上限和下限。

原始问题中提供的方法包含一个阻塞循环，不断重新生成值，直到它落在给定的范围内。虽然这是一种可行的方法，但并不高效。

更好的方法是使用 numpy.random.normal 的特性，该函数接受一个名为 size 的参数，可指定生成的样本数。此外，还可以使用 loc 和 scale 参数分别指定均值和标准差。

通过指定 size 为 1，可以生成一个单一的样本。然后使用numpy.clip函数将值截断到所需的范围内，如下所示：

import numpy as np  # 指定分布参数 mu = 0.5 sigma = 0.2  # 指定上限和下限 lower = 0 upper = 1  # 生成样本并将其截断到指定范围内 sample = np.clip(np.random.normal(loc=mu, scale=sigma, size=1), lower, upper)[0]

这个改进的方法利用了 numpy 的强大功能，提供了从特定正态分布中生成值的高效且简洁的方法。