正態(tài)分布演熟，normalvariate(mu,sigma)
mu：均值
sigma：標準差
mu=0以政，sigma=1為標準正態(tài)分布霸褒。
除了均勻分布，正態(tài)分布用的是最多的盈蛮。
import random
import numpy as np
import time
st = time.clock()
N =1000000
n = []
for i in range(N):
n.append(random.normalvariate(0,1))
print("均值=",np.mean(n))
print("標準差=",np.std(n))
print("耗時=",time.clock() - st)
輸出結(jié)果：
均值= -7.42643413388e-05
標準差= 1.00049689373
耗時= 5.702438655147374
可以看出废菱，隨機生成1000000個數(shù)，這些數(shù)符合正態(tài)分布抖誉。
（3）高斯分布殊轴，gauss(mu,sigma)
就是正態(tài)分布，采用了不同的實現(xiàn)方式袒炉，據(jù)說運行速度更快旁理。
import random
import numpy as np
import time
st = time.clock()
N =1000000
n = []
for i in range(N):
n.append(random.gauss(0,1))
print("均值=",np.mean(n))
print("標準差=",np.std(n))
print("耗時=",time.clock() - st)
輸出結(jié)果
均值= 0.000604319020838
標準差= 0.999634159673
耗時= 4.827287158657131
1000000個數(shù)快了不到1秒，也沒快太多我磁。
（4）還有生成三角形分布孽文、對數(shù)分布、指數(shù)分布夺艰、β分布叛溢、伽馬分布等的函數(shù)
triangular(low, high, mode)三角形分布
lognormvariate(mu, sigma)對數(shù)分布
expovariate(lambd)指數(shù)分布
gammavariate(alpha, beta)伽馬分布
等等。實際工作中劲适，這些分布比均勻分布和正態(tài)分布用的都少的多楷掉。
