在Python中，你可以使用`numpy`库的`numpy.random.normal`函数来生成服从正态分布的随机数。以下是一个简单的示例：
```python
import numpy as np
设置随机种子，确保结果可复现
np.random.seed（0）
生成正态分布数据
mu = 0 均值
sigma = 1 标准差
num_samples = 1000 生成随机数的数量
samples = np.random.normal（mu, sigma, num_samples）
打印生成的随机数
print（samples）
如果你需要生成一个具有特定均值和标准差的正态分布随机数，你可以使用以下代码：```pythonimport numpy as np
设置随机种子，确保结果可复现
np.random.seed（0）
生成正态分布数据
mu = 5 均值
sigma = 1 标准差
num_samples = 1000 生成随机数的数量
samples = np.random.normal（mu, sigma, num_samples）
打印生成的随机数
print（samples）
你还可以使用`matplotlib`库来绘制生成的随机数的直方图，以验证其正态分布特性：
```python
import numpy as np
import matplotlib.pyplot as plt
设置随机种子，确保结果可复现
np.random.seed（0）
生成正态分布数据
mu = 5 均值
sigma = 1 标准差
num_samples = 1000 生成随机数的数量
samples = np.random.normal（mu, sigma, num_samples）
绘制直方图
plt.hist（samples, bins=30, density=True, alpha=0.6, color='g'）
plt.title（'Normal Distribution'）
plt.show（）
以上代码将生成一个均值为5，标准差为1的正态分布随机数，并绘制其直方图