如何使用numpy生成0~1区间内符合正态分布的随机小数

标准正态分布本身的取值范围是*(-∞, +∞)*，你当前使用的参数（均值0.55，标准差0.2）下，数值小于0或者大于1的概率虽然低，但客观存在，所以直接调用np.random.normal必然会出现超出范围的结果。

下面提供两种常用解决方案，你可以根据自己的需求选择：

方案1：截断法（简单快捷，适合普通场景） #

直接调用numpy内置的np.clip方法，把超出范围的数值强行限制在0到1之间，不需要额外引入依赖：

import numpy as np

avg = 0.55
std_dev = 0.2
num_pop = 1000

# 生成随机数后截断到[0,1]区间
number = np.random.normal(avg, std_dev, num_pop).round(2)
number = np.clip(number, a_min=0, a_max=1)

注意：这个方法会导致0和1这两个边界值的出现概率比真实截断正态分布略高，如果你的使用场景对数据分布的严谨性要求不高，这个方案完全够用。

方案2：生成严格的截断正态分布（适合统计相关的专业场景） #

使用scipy.stats.truncnorm直接生成天然落在[0,1]区间内的正态分布随机数，完全符合截断后的分布统计特性，不会出现边界值堆积的问题：

import numpy as np
from scipy.stats import truncnorm

avg = 0.55
std_dev = 0.2
num_pop = 1000

# 计算截断上下限对应的标准分
lower_z = (0 - avg) / std_dev
upper_z = (1 - avg) / std_dev

# 直接生成截断正态分布随机数
number = truncnorm.rvs(lower_z, upper_z, loc=avg, scale=std_dev, size=num_pop).round(2)

内容的提问来源于stack exchange，提问作者Sara Lee