numpy.random.normal中size参数的不同用法及差异咨询

核心差异：生成的随机数数组形状不同 #

这两种写法都是从标准正态分布（均值0，方差1）中生成随机数，唯一核心区别是输出数组的维度/形状：

1. np.random.normal(size=1)

• 输出：生成一个形状为(1,)的一维数组（等价于仅含单个元素的数组）。若省略size参数会直接返回标量，但指定size=1会强制返回数组形式。
• 适用场景：仅需要单个随机数的场景，比如：
  • 单次简单模拟的随机输入
  • 给单个变量添加随机扰动
  • 测试代码时生成单个样本

2. np.random.normal(size=x.shape)（其中x = np.linspace(1, 2, 100)）

• 先明确：x是linspace生成的100个元素的一维数组，所以x.shape为(100,)，这行代码会生成形状为(100,)的一维数组，和x的元素数量、维度完全一致。
• 适用场景：需要生成与已有数组同形状的批量随机数时，比如：
  • 给数组x的每个元素添加独立的正态噪声：x_noisy = x + np.random.normal(size=x.shape)
  • 批量生成对应于x每个元素的随机样本（比如针对每个x值做一次随机模拟）
  • 保持数据结构一致性，避免手动计算数组长度（方便后续和x做元素级运算）

快速对比 #

• size=1：输出长度1的数组，用于单样本场景
• size=x.shape：输出与x同形状的数组，用于批量匹配形状的场景

内容的提问来源于stack exchange，提问作者Govind