如何用Numpy按列生成均值0、标准差1的高斯噪声矩阵

原代码用np.random.normal生成的噪声只是整体趋近均值0，但没法保证每一列严格满足均值0、标准差1的要求。下面用numpy的向量化操作实现无循环的高性能方案：

实现代码 #

import numpy as np

A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

# 先生成和A同形状的初始随机噪声
noise = np.random.normal(size=A.shape)
# 按列计算均值和总体标准差（ddof=0对应总体标准差，和np.random.normal的std定义匹配）
col_means = noise.mean(axis=0)
col_stds = noise.std(axis=0, ddof=0)
# 按列标准化：减去列均值，再除以列标准差，得到每列均值0、标准差1的噪声
normalized_noise = (noise - col_means) / col_stds

验证效果 #

可以加一段代码验证每列的均值和标准差：

# 打印每列均值（应接近[0, 0, 0]）
print("每列均值：", normalized_noise.mean(axis=0))
# 打印每列标准差（应接近[1, 1, 1]）
print("每列标准差：", normalized_noise.std(axis=0, ddof=0))

原理说明 #

• 利用numpy的axis=0参数直接按列计算统计量，全程无循环，完全发挥numpy的向量化性能优势
• 标准化公式(数据 - 列均值)/列标准差是统计学标准操作，能将任意分布的列数据转换为均值0、标准差1的标准正态分布，完美满足需求

内容的提问来源于stack exchange，提问作者skm