如何利用自定义高斯分布函数替换NumPy数组中的每个元素为相似值？

嘿，我发现你当前的similar函数在处理数组时有点小问题——所有元素都会得到同一个近似值，对吧？这是因为np.random.randn()默认只生成一个标量随机数，广播后整个数组都复用它了。咱们只需简单修改函数，就能让每个元素都拥有独立的近似值：

修改后的similar函数 #

import numpy as np

def similar(x, rel_std=0.001):
    sigma = rel_std * x
    mu = x
    # 生成和输入数组x形状完全一致的标准正态分布随机数组
    return sigma * np.random.randn(*x.shape) + mu

效果演示 #

一维数组测试 #

ones = np.ones(5)
print(similar(ones))
# 示例输出（每次运行结果不同，每个元素都是独立的近似值）：
# [1.000723   0.99918745 1.00021983 0.99894562 1.00103417]

二维数组测试 #

test_arr = np.array([[1.0, 2.0], [3.0, 4.0]])
print(similar(test_arr))
# 示例输出：
# [[0.99961243 2.00134578]
#  [2.99865422 4.00098761]]

为什么这样改？ #

• 原来的np.random.randn()只生成一个随机数，广播后所有元素共享同一个偏差，不符合“每个元素对应独立相似值”的需求
• np.random.randn(*x.shape)会生成和输入数组形状完全匹配的随机数数组，每个元素对应一个独立的标准正态分布样本
• 结合每个元素对应的sigma（rel_std * x）和mu（原元素值），就能为每个元素生成专属的近似值，完美实现你的需求

内容的提问来源于stack exchange，提问作者user3389669