如何用for循环在Python中生成多标准差的正态分布数组列表

嘿，我完全get到你的需求了——要创建一个包含100个数组的列表，每个数组里的随机值都服从正态分布，且每个数组对应从0.01到1递增的标准差（每步加0.01）。我来帮你完善代码并把细节说清楚~

完整实现代码 #

首先是最直观的循环写法，逻辑清晰好理解：

import numpy as np

# 生成100个从0.01到1的标准差值，步长刚好是0.01
noise_stdv = np.linspace(0.01, 1, 100)
# 初始化空列表来存储每个标准差对应的数组
noise_list = []

# 遍历每个标准差，生成对应正态分布数组
for stdv in noise_stdv:
    # size参数控制每个数组的随机值数量，这里设为1000，你可以按需修改
    noise_array = np.random.normal(loc=0, scale=stdv, size=1000)
    noise_list.append(noise_array)

如果喜欢更紧凑的写法，用列表推导式一步到位：

import numpy as np

noise_stdv = np.linspace(0.01, 1, 100)
# 省略loc=0（默认值），代码更简洁
noise_list = [np.random.normal(scale=stdv, size=1000) for stdv in noise_stdv]

关键细节说明 #

• np.linspace(0.01, 1, 100) 刚好生成100个均匀分布的值，计算步长：(1 - 0.01)/(100 - 1) = 0.01，完美匹配你“第一个0.01，第二个0.02…最后一个1”的要求。
• np.random.normal() 的参数：
  • loc：正态分布的均值，默认是0，如果你需要非零均值，直接修改这个值就行（比如loc=5）。
  • scale：就是你要的标准差，这里直接传入循环里的stdv。
  • size：每个数组里的随机值数量，根据你的业务需求调整即可，比如改成500或者2000都没问题。

验证结果（可选） #

因为是随机采样，生成的数组标准差会接近设定值但不会完全相等，你可以用下面的代码验证：

# 检查第一个数组的标准差，应该接近0.01
print(f"第一个数组的标准差：{np.std(noise_list[0]):.4f}")
# 检查最后一个数组的标准差，应该接近1
print(f"最后一个数组的标准差：{np.std(noise_list[-1]):.4f}")

内容的提问来源于stack exchange，提问作者Marcus K.