関数np.random.randnの説明をしていただきたいです

前提・実現したいこと

音声データのフーリエ変換で、信号の雑音除去においてのプログラムなのですが、
np.random.randn(t2.shape[0])0.3
についてshape[0]と0.3の部分を詳しく説明していただけると有難いです。

t2=np.arange(0,T2,1/fs)
T2=1
fs=200
です。

発生している問題・エラーメッセージ

エラーメッセージ

該当のソースコード

ソースコード

試したこと

ここに問題に対して試したことを記載してください。

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

行動規範の内容に同意します

回答1件

ベストアンサー

与えられた条件によると t2.shape[0] は t2 の要素数 200 が入っています。t2.shape は、(200,) というタプルです。

np.random.randn() は、平均0、分散1（標準偏差1）の乱数を発生するメソッドで引数を１個指定するとその値の要素数の１次元配列(ndarray)を生成します。実際にインタープリターで結果を見てみると良いと思います。

python
1> python
2>>> import numpy as np
3>>> T2=1
4>>> fs=200
5>>> t2=np.arange(0,T2,1/fs)
6>>> np.random.randn(t2.shape[0])
7array([-1.32689710e-01, -2.64324934e-01,  8.77628459e-01,  2.89702105e+00,
8        8.83547628e-01,  1.02898206e+00, -2.99708628e-01, -7.99284749e-01,
9       -5.91585804e-01, -1.43092130e-01, -1.20464667e+00, -1.70152469e-01,
10       -7.40421878e-01,  2.59818138e-01, -2.22018047e+00,  4.89936170e-01,
11        6.41819209e-01, -6.35576885e-02, -9.61040498e-02, -4.84580853e-01,
12        1.32309611e+00, -8.47939356e-02, -1.30331658e-01, -1.39902167e-01,
13       -1.09026025e+00,  1.29490573e+00, -2.83377032e+00,  1.12839586e+00,
14        9.33248744e-01,  1.09129984e+00,  5.24490229e-02,  5.67356071e-01,
15       -1.39102735e+00,  1.48014110e+00,  3.38361023e-01,  1.25413021e+00,
16       -1.81506947e+00, -2.56209720e-01,  3.23486433e-01, -1.01451529e+00,
17        1.15744066e+00, -1.88658492e+00, -8.63006081e-03,  3.30975621e-01,
18       -1.21997178e+00, -8.14605102e-01,  1.08210567e+00,  4.21091483e-01,
19        7.43686998e-01, -1.75786769e+00,  3.14893451e-01, -9.80287373e-01,
20        5.80288545e-01, -8.75501253e-01,  1.65087752e+00,  5.54924186e-01,
21        1.97713903e+00, -1.53510170e+00, -2.95260507e-01, -1.46313429e-01,
22       -9.03655415e-01,  1.73148457e+00,  1.62891360e+00, -4.55781966e-01,
23       -5.98702039e-01,  7.82147479e-02, -1.72937260e-01,  1.82184074e+00,
24       -5.19315466e-01, -1.08293641e-01, -4.20338002e-01, -4.47617584e-01,
25       -2.38051646e-01, -1.86103633e+00,  1.24612627e+00, -4.54112176e-01,
26        6.30369268e-01, -1.68111389e+00,  2.21641081e-03, -3.87311301e-01,
27        2.40428020e-01,  1.54646625e-01,  7.76812004e-01, -7.71545614e-01,
28        8.57818462e-01,  2.32256166e-01,  5.84084694e-01,  1.01825359e+00,
29        1.93087819e+00,  8.70319304e-01, -2.56067399e+00, -1.49096220e+00,
30       -1.62213485e+00,  2.83886596e-01,  8.67609112e-01, -8.22615992e-01,
31        2.94124876e-01, -1.13735710e+00,  7.40625092e-01,  1.22989753e+00,
32       -6.06049272e-01, -4.93043510e-01,  2.34647676e-02,  2.14882338e-01,
33       -1.48679649e+00,  4.46095489e-02,  2.95183487e-01,  1.46908630e+00,
34       -9.77877517e-02, -2.08262916e-01, -3.67813376e-01, -4.38539619e-01,
35       -2.46200402e-01,  3.29412552e-01, -7.84351367e-01,  9.53382480e-01,
36        2.59398302e-01,  8.78246515e-01,  5.71688266e-01,  3.22108771e-01,
37        2.93093827e+00, -4.37171254e-01, -1.78633216e+00,  1.78708641e+00,
38        1.40113457e+00, -1.56850569e+00,  4.77924463e-01, -2.56882938e-01,
39       -1.02626747e+00, -4.82759910e-02, -8.01612587e-01, -1.72845500e-01,
40        1.84031518e-01,  2.61566830e-01,  8.82254285e-01, -1.75853833e+00,
41       -4.33009459e-01,  1.01934604e-01, -2.99034752e-01,  1.26219750e-01,
42       -1.16775702e+00,  1.05872801e+00, -2.79567714e+00,  5.09352812e-01,
43        9.17695128e-01,  4.21194295e-01,  3.71168208e-01, -8.47390002e-01,
44       -1.63367621e-01, -4.77882761e-01, -1.27263751e+00,  1.92799967e+00,
45        2.76452183e-01,  2.55185856e-01, -9.80217598e-02, -3.95616137e-01,
46       -7.88592329e-01,  6.18958110e-01, -2.89059209e-01,  3.17907488e-01,
47       -7.99627964e-01, -8.79044172e-01, -5.14797933e-01,  1.09956097e+00,
48       -3.44563444e+00, -3.11122329e-02, -1.13399262e+00,  1.53393706e+00,
49        6.88647246e-01,  9.78532647e-01,  2.90731020e-01, -1.01198415e+00,
50       -1.89728029e+00, -9.20891712e-01, -6.51087536e-01,  1.01858447e+00,
51       -6.40340316e-01,  2.98497909e-01, -5.00225044e-01,  7.24875254e-01,
52        6.12659741e-01,  3.08532372e-01, -1.23602470e+00, -8.58236373e-01,
53       -4.45914724e-01,  2.38899029e+00, -8.77836839e-01,  5.28929984e-01,
54       -5.62215044e-01, -3.44096734e-01,  1.31285137e+00,  3.58661442e-01,
55        5.54661594e-01,  8.36684345e-01, -7.37446122e-01,  1.27085915e+00,
56       -6.12254703e-02, -9.29459604e-01, -1.00395028e+00, -1.35920811e+00])

ndarray にスカラー値 0.3 を掛けた場合、各要素の値に 0.3 を掛けた値が入ります。（実行時の乱数に掛けているので上の結果に 0.3 を掛けた結果ではありません。）

python
1>>> np.random.randn(t2.shape[0]) * 0.3
2array([-0.06633572,  0.41133306, -0.44853591, -0.0965002 ,  0.19951871,
3       -0.22347813,  0.16233551,  0.13269523, -0.08895709, -0.07359743,
4       -0.23559803,  0.39396358,  0.32367366,  0.48022539,  0.07994656,
5        0.2553986 ,  0.07025867, -0.27352607, -0.13888908,  0.38538282,
6       -0.10931516,  0.45103391, -0.03963507,  0.50768316, -0.022336  ,
7        0.18632324, -0.33701202, -0.2875036 ,  0.20349755, -0.32701103,
8       -0.62067363,  0.16499169,  0.12501516, -0.43923715,  0.03103009,
9       -0.17819437, -0.32524317,  0.50761103, -0.42216734,  0.29074618,
10        0.11370288, -0.18140657,  0.18214834, -0.43429848, -0.2821462 ,
11       -0.044702  ,  0.04767913, -0.1495866 , -0.13291555, -0.01192516,
12        0.0307626 , -0.12558418, -0.31581183, -0.3101489 ,  0.47495472,
13       -0.21964371,  0.1163594 ,  0.06081369,  0.24494874,  0.19136075,
14        0.24954505, -0.28446602,  0.03947752, -0.31149177,  0.08730252,
15        0.06929089,  0.06245082, -0.14943169,  0.00530191,  0.06611758,
16       -0.43862776,  0.16065458,  0.32593841, -0.16134333, -0.58594628,
17       -0.03828111, -0.2458071 , -0.1541066 ,  0.45949279, -0.68016407,
18       -0.46433909,  0.46173602, -0.08358243,  0.00114057,  0.40352432,
19        0.24748793, -0.22921713,  0.04790602, -0.05374905, -0.06295754,
20        0.14554158, -0.14014936, -0.10546409,  0.03776649, -0.31969612,
21        0.13573494, -0.56943272, -0.27279648, -0.02706746, -0.20811072,
22        0.1053981 , -0.49463072,  0.19396099,  0.0024368 ,  0.08625441,
23        0.47023379,  0.29722437, -0.15605611, -0.40219689,  0.12498668,
24        0.26790722,  0.20880953,  0.15964   ,  0.15809958, -0.6538192 ,
25       -0.23912405,  0.09153488, -0.60793263, -0.21365765, -0.60810294,
26        0.42893602, -0.07710072,  0.41729431,  0.16082979, -0.32148141,
27        0.31706637,  0.0825626 ,  0.03575572,  0.07512286,  0.16495287,
28        0.40996373, -0.51247941,  0.48433463, -0.07838665,  0.27345913,
29        0.02349427,  0.27415445, -0.27568449, -0.02068626, -0.43835052,
30        0.05963552, -0.26297851, -0.37663442, -0.30043649, -0.24545372,
31        0.30872696,  0.47692052,  0.20510851, -0.53803419,  0.58801251,
32        0.14965721, -0.17364505, -0.22652621,  0.20594529, -0.24786983,
33        0.13529481, -0.0038853 , -0.00120141,  0.02206983,  0.04251187,
34        0.06026717, -0.4205239 ,  0.1354152 ,  0.3283118 , -0.46655421,
35       -0.15188024,  0.25337952, -0.41549919,  0.42679914, -0.21335581,
36       -0.30874596,  0.13843149, -0.38047543,  0.12410317,  0.21958277,
37       -0.25925215,  0.19241464,  0.08635743, -0.45701872,  0.42667622,
38       -0.14288871,  0.56140647, -0.07332635, -0.41693413,  0.07396414,
39       -0.31938579, -0.114091  ,  0.17386001, -0.35812458, -0.42756082,
40       -0.28820191, -0.12921823, -0.6825957 , -0.08895731,  0.21812336,
41       -0.26829923, -0.05728593, -0.65662325, -0.12312682, -0.40851059])