如何调整[-3,3]区间随机数列表的均值与标准差至0和1？

你当前的代码生成的是均匀分布在[-3,3]区间的随机数——这个分布的均值确实是0（区间对称的缘故），但它的标准差是 (3 - (-3))/sqrt(12) = sqrt(3) ≈ 1.732，不符合你要的标准差为1的要求。下面给你两种实用的解决思路：

方法1：直接生成正态分布后截断（最简便） #

Python的random模块自带random.gauss(mu, sigma)函数，能直接生成指定均值和标准差的正态分布随机数。我们只需要生成均值0、标准差1的正态数，然后把超出[-3,3]的数丢弃或重新生成就行——毕竟正态分布N(0,1)里，99.7%的数据都落在[-3,3]区间内，需要重生成的概率极低，效率很高。

修改后的完整代码：

import random

def lista_aleatorios(n):
    lista = []
    while len(lista) < n:
        num = random.gauss(0, 1)
        if -3 <= num <= 3:
            lista.append(num)
    return lista

print("\nHow many numbers do you want?: ")
n = int(input())
print(lista_aleatorios(n))

生成的列表均值会非常接近0，标准差接近1，绝大多数场景下都能满足需求。

方法2：从均匀分布转换为正态分布（Box-Muller变换） #

如果你更倾向于从均匀分布入手，可以用Box-Muller变换把[0,1)区间的均匀数转换成正态分布数，再截断到[-3,3]。这种方法本质和方法1效果一致，但代码稍复杂些：

import random
import math

def lista_aleatorios(n):
    lista = []
    while len(lista) < n:
        # Box-Muller变换：两个均匀分布生成一个正态分布
        u1 = random.random()
        u2 = random.random()
        z0 = math.sqrt(-2 * math.log(u1)) * math.cos(2 * math.pi * u2)
        if -3 <= z0 <= 3:
            lista.append(z0)
    return lista

print("\nHow many numbers do you want?: ")
n = int(input())
print(lista_aleatorios(n))

（可选）严格校准均值和标准差 #

如果你的场景要求绝对严格的均值0、标准差1（比如高精度学术实验），可以在生成列表后做一次微调：

1. 计算当前列表的均值和标准差
2. 对每个数做标准化调整：(x - 当前均值)/当前标准差，调整后列表的均值会是0，标准差为1
3. 检查调整后的数是否在[-3,3]内，若有超出的就重新生成替换

用numpy来做计算会更方便，示例代码片段：

import numpy as np

def adjust_mean_std(lst):
    arr = np.array(lst)
    current_mean = arr.mean()
    current_std = arr.std()
    adjusted = (arr - current_mean) / current_std
    # 替换超出范围的数值
    for i in range(len(adjusted)):
        if not (-3 <= adjusted[i] <= 3):
            while True:
                num = random.gauss(0,1)
                if -3 <= num <=3:
                    adjusted[i] = num
                    break
    return adjusted.tolist()

# 生成初始列表后调用校准函数
random_list = lista_aleatorios(n)
final_list = adjust_mean_std(random_list)

不过说实话，这种微调后的差异极小，普通场景完全没必要多这一步。

内容的提问来源于stack exchange，提问作者Help