如何使用Numpy创建指定形式的离散正态分布数组？

你要生成的是对称且总和趋近于1的离散正态概率分布数组，NumPy里没有直接对应np.f(deviation, mean, n_elements)格式的现成函数，但可以通过几个基础函数组合快速实现：

• 第一步：生成等间距采样点，对应你需要的n_elements个元素，围绕指定均值展开：

  import numpy as np
  
  mean = 0
  deviation = 1
  n_elements = 5
  # 生成覆盖±2倍标准差范围的等间距点（可按需调整范围）
  x = np.linspace(mean - 2*deviation, mean + 2*deviation, n_elements)
  

• 第二步：计算每个点的正态分布概率密度值，再归一化让总和接近1：

  # 计算未归一化的正态密度
  norm_unscaled = np.exp(-(x - mean)**2 / (2 * deviation**2))
  # 归一化到总和为1
  norm = norm_unscaled / norm_unscaled.sum()
  
  print(norm)
  # 输出近似值：[0.06136 0.24477 0.38774 0.24477 0.06136]
  print(np.sum(norm))
  # 输出：1.0（或极接近1的浮点数）
  

如果配合SciPy（与NumPy配套的科学计算库）使用，可以用scipy.stats.norm.pdf简化密度计算：

from scipy.stats import norm

norm_unscaled = norm.pdf(x, loc=mean, scale=deviation)
norm = norm_unscaled / norm_unscaled.sum()

注意：采样点的范围（比如示例中的±2σ）会影响最终数组的分布形态，你可以调整linspace的起止值，让分布更集中或更分散。

内容的提问来源于stack exchange，提问作者Lex Podgorny