如何用Python生成和为定值的n个正整数的随机正态分布

我来分享一个可行的实现思路和代码，核心是先生成符合正态分布的样本，再通过调整让它们满足「和固定」「正整数」这两个约束：

实现步骤 #

1. 生成初始正态分布样本：用numpy生成一组服从正态分布的浮点数，我们可以把均值设为target_sum/n（这样样本的中心值接近平均分配的结果），标准差可以根据需求调整，比如设为target_sum/(n*3)，避免样本波动过大出现极端值。
2. 消除负数：正态分布可能产生负数，我们可以把所有样本加上样本中的最小值的绝对值（如果最小值为负的话），确保所有数都是正数。
3. 归一化到目标和：将调整后的样本归一化（除以它们的总和），再乘以target_sum，这样总和就正好等于目标值了，但此时还是浮点数。
4. 转换为正整数并修正总和：先取每个数的整数部分，计算当前总和与目标总和的差值，然后把这个差值分配给几个数（优先分配给小数部分最大的数，这样对分布的影响最小），最终得到和为target_sum的正整数数组。

完整代码示例 #

import numpy as np

def generate_normal_sum(n, target_sum):
    # 边界情况：n=1时直接返回目标值
    if n == 1:
        return [target_sum]
    
    # 检查目标和是否合法（n个正整数的和至少为n）
    if target_sum < n:
        raise ValueError("target_sum must be at least n (since each number is a positive integer)")
    
    # 1. 生成初始正态分布样本，均值设为target_sum/n，标准差设为均值的1/3
    mean = target_sum / n
    std = mean / 3
    samples = np.random.normal(loc=mean, scale=std, size=n)
    
    # 2. 确保所有样本为正数
    min_val = samples.min()
    if min_val < 0:
        samples += abs(min_val)
    
    # 3. 归一化到目标和
    samples = samples / samples.sum() * target_sum
    
    # 4. 转换为整数并修正总和
    integers = samples.astype(int)
    diff = target_sum - integers.sum()
    
    # 把差值分配给小数部分最大的diff个数（这样对分布影响最小）
    fractional_parts = samples - integers
    # 得到小数部分从大到小的索引
    sorted_indices = np.argsort(fractional_parts)[::-1]
    
    for i in range(diff):
        integers[sorted_indices[i]] += 1
    
    # 确保所有数都是正整数（理论上前面的步骤已经保证，但再加一层检查更稳妥）
    integers[integers <= 0] = 1
    # 再次修正总和（防止极端情况出现偏差）
    final_diff = target_sum - integers.sum()
    if final_diff != 0:
        integers[np.argmax(integers)] += final_diff
    
    return integers.tolist()

# 测试示例
if __name__ == "__main__":
    n = 10
    target_sum = 100
    result = generate_normal_sum(n, target_sum)
    print("生成的数组：", result)
    print("数组总和：", sum(result))
    print("所有数都是正整数：", all(x > 0 for x in result))

注意事项 #

• 标准差的调整：如果希望样本的波动更大，可以增大std的值；如果希望更接近平均分配，就减小std。比如把std设为mean/2会比mean/3的波动更大。
• 极端情况处理：如果生成的样本出现大量负数，或者归一化后有接近0的数，代码最后一步会把这些数强制设为1，同时调整总和，确保符合正整数的要求。
• 分布的近似性：经过调整后的整数数组是近似服从正态分布的，因为我们在整数化时尽量保留了原始浮点数的分布特征（优先调整小数部分大的数）。

内容的提问来源于stack exchange，提问作者foo