在Python中，生成二维正态分布的随机数可以通过`numpy`库中的`numpy.random.multivariate_normal`函数实现。以下是一个简单的示例代码，展示了如何生成二维正态分布的随机数并绘制其分布图：
```python
import numpy as np
import matplotlib.pyplot as plt
定义均值（mean）和协方差矩阵（covariance matrix）
mean = [0, 0]
cov = [[1, 0.5], [0.5, 1]]
生成二维正态分布随机数
random_numbers = np.random.multivariate_normal（mean, cov, 1000）
绘制散点图
plt.scatter（random_numbers[:, 0], random_numbers[:, 1]）
plt.title（'2D Normal Distribution'）
plt.xlabel（'X'）
plt.ylabel（'Y'）
plt.show（）
在这段代码中，`mean`是一个包含两个元素的列表，表示分布的均值；`cov`是一个2x2的矩阵，表示分布的协方差。`np.random.multivariate_normal`函数接受这三个参数，并生成一个形状为（1000, 2）的二维正态分布随机数数组。最后，使用`matplotlib`库的`scatter`函数绘制散点图来可视化分布情况。