如何用Python从服从正态分布的n个值样本中生成N组随机数据集？

你用的normal大概率是NumPy库的随机正态分布生成函数，有两种很简单的实现方式：

方法1：直接调整size参数（推荐，代码最简） #

直接把size参数设置为(N, n)，就能一次性生成形状为N行n列的二维数组，每一行就是一组独立的随机数据集：

import numpy as np

# 按需修改以下参数
mu = 0          # 均值
sigma = 1       # 标准差
n = 10          # 单组数据集的样本数量
N = 5           # 需要生成的数据集组数

# 生成N组数据集
datasets = np.random.normal(loc=mu, scale=sigma, size=(N, n))

调用datasets[0]即可取第一组数据，datasets[1]取第二组，以此类推。

方法2：循环生成（逻辑更直观，适合新手理解） #

如果对二维数组不熟悉，也可以写循环重复N次生成过程，把每一组结果存到列表里：

import numpy as np

mu = 0
sigma = 1
n = 10
N = 5

datasets = []
for _ in range(N):
    single_data = np.random.normal(loc=mu, scale=sigma, size=n)
    datasets.append(single_data)

• 只要你不手动固定随机种子，两种方法生成的N组数据集默认都是互不相同的，随机数生成器会自动推进内部状态保证结果不重复。
• 如果需要让生成的结果可复现（每次运行代码得到的N组数据都一样），可以在生成代码前加一行np.random.seed(42)，数字42可以替换为任意整数。

内容的提问来源于stack exchange，提问作者user16857156