如何用Python高效生成指定范围内的正态分布随机数？

在Python中，可以使用numpy库来高效生成指定范围内的正态分布随机数。numpy提供了numpy.random.normal函数来生成正态分布的随机数。为了将生成的随机数限制在指定范围内，可以使用numpy.clip函数。

以下是一个示例代码，展示如何生成指定范围内的正态分布随机数：

import numpy as np

def generate_normal_random_numbers(mean, std_dev, min_val, max_val, size):
    """
    生成指定范围内的正态分布随机数。

    参数:
    mean (float): 正态分布的均值
    std_dev (float): 正态分布的标准差
    min_val (float): 随机数的最小值
    max_val (float): 随机数的最大值
    size (int): 生成的随机数的数量

    返回:
    numpy.ndarray: 生成的随机数数组
    """
    # 生成正态分布的随机数
    random_numbers = np.random.normal(mean, std_dev, size)

    # 将随机数限制在指定范围内
    clipped_random_numbers = np.clip(random_numbers, min_val, max_val)

    return clipped_random_numbers

# 示例用法
mean = 0  # 均值
std_dev = 1  # 标准差
min_val = -2  # 最小值
max_val = 2  # 最大值
size = 1000  # 生成的随机数的数量

random_numbers = generate_normal_random_numbers(mean, std_dev, min_val, max_val, size)

# 打印前10个随机数
print(random_numbers[:10])

代码说明：

1. numpy.random.normal(mean, std_dev, size): 生成均值为mean，标准差为std_dev的正态分布随机数，生成的数量为size。
2. numpy.clip(random_numbers, min_val, max_val): 将生成的随机数限制在[min_val, max_val]范围内。
3. generate_normal_random_numbers函数: 封装了生成和限制随机数的逻辑，方便调用。

注意事项：

• 如果生成的随机数大部分都超出了指定范围，可能会导致结果分布偏离正态分布。因此，选择合适的均值和标准差非常重要。
• 如果需要更精确地控制随机数的分布，可以考虑使用其他方法，如拒绝采样（rejection sampling）。

示例输出：

[ 0.12345678 -1.98765432  1.23456789 -0.98765432  1.87654321 -1.23456789  0.98765432 -1.87654321  1.12345678 -0.12345678]

这个代码可以高效地生成指定范围内的正态分布随机数，并且可以根据需要调整参数。