使用for循环迭代调用np.random.normal出现形状不匹配错误求解

• 遍历逻辑错误：如果data是Pandas DataFrame，直接使用for x in data遍历得到的是DataFrame的列名，而非每行的业务数据记录
• 参数维度不匹配：循环内调用的data['value']、data['Standard Deviation']都是长度为6000的一维序列，传入np.random.normal时，函数会尝试将长度为6000的参数和目标输出长度100000做广播运算，二者维度无法对齐，因此触发形状不匹配报错。

方案1：循环逐行生成（适合需要对单组样本做额外处理的场景） #

修正遍历逻辑，每次取当前行的均值、标准差参数生成样本：

import numpy as np
import pandas as pd

# 初始化结果存储，可根据需求改用字典
r = []
# 遍历DataFrame每一行
for idx, row in data.iterrows():
    # 仅传入当前行的均值、标准差生成10万个样本
    samples = np.random.normal(row['value'], row['Standard Deviation'], 100000)
    r.append(samples)

执行后r为长度6000的列表，每个元素对应一组10万个正态分布样本。

方案2：向量化生成（效率更高，推荐） #

NumPy本身支持批量生成多组正态分布样本，无需循环，一行即可实现，运算速度远高于Python原生循环：

# 输出为形状(6000, 100000)的二维数组，第i行对应第i条数据的10万个样本
r = np.random.normal(data['value'].values, data['Standard Deviation'].values, (len(data), 100000))

内容的提问来源于stack exchange，提问作者RC123