Python 是一門高級編程語言，可用于各種不同類型的計算和應(yīng)用。其中一個基本的應(yīng)用是隨機(jī)數(shù)生成。Python 有許多內(nèi)置函數(shù)和模塊用于生成隨機(jī)數(shù)。

當(dāng)我們需要生成服從正態(tài)分布的隨機(jī)數(shù)時，在 Python 中，我們可以使用 random 模塊和 numpy 模塊。

Python 的 random 模塊提供了一個名為 gauss(mu, sigma) 的函數(shù)，可以生成一個均值為 mu，方差為 sigma 的正態(tài)分布隨機(jī)數(shù)。例如：

import random
x = random.gauss(0,1) # 生成一個均值為 0，方差為 1 的正態(tài)分布隨機(jī)數(shù)
print(x)

與 random 模塊不同， numpy 模塊專注于科學(xué)計算。在 numpy 中，我們使用 random 模塊的 normal(loc, scale, size) 函數(shù)生成隨機(jī)正態(tài)分布變量。其中 loc 是均值，scale 是標(biāo)準(zhǔn)差，size 是一個可選參數(shù)，表示生成樣本的大小。例如：

import numpy as np
x = np.random.normal(loc=0, scale=1, size=100) # 生成一個均值為 0，標(biāo)準(zhǔn)差為 1，大小為 100 的正態(tài)分布樣本
print(x)

通過比較這兩種方法，我們可以看出 numpy 模塊對于隨機(jī)生成正態(tài)分布樣本是更加靈活和方便的。

Python 的隨機(jī)數(shù)生成方法在許多情況下是非常有用的。我們可以利用正態(tài)分布生成隨機(jī)數(shù)來進(jìn)行模擬、概率分析和其他各種應(yīng)用。