La parametrización de truncnorm es complicada , por lo que aquí hay una función que traduce la parametrización a algo más intuitivo:

 from scipy.stats import truncnorm def get_truncated_normal(mean=0, sd=1, low=0, upp=10): return truncnorm( (low - mean) / sd, (upp - mean) / sd, loc=mean, scale=sd) 

¿Cómo usarlo?

1. Instale el generador con los parámetros: media , desviación estándar y rango de truncamiento :

    >>> X = get_truncated_normal(mean=8, sd=2, low=1, upp=10) 

2. Luego, puedes usar X para generar un valor:

    >>> X.rvs() 6.0491227353928894 

3. O, una matriz numpy con N valores generados:

    >>> X.rvs(10) array([ 7.70231607, 6.7005871 , 7.15203887, 6.06768994, 7.25153472, 5.41384242, 7.75200702, 5.5725888 , 7.38512757, 7.47567455]) 

Un ejemplo visual

Aquí está la gráfica de tres diferentes distribuciones normales truncadas:

 X1 = get_truncated_normal(mean=2, sd=1, low=1, upp=10) X2 = get_truncated_normal(mean=5.5, sd=1, low=1, upp=10) X3 = get_truncated_normal(mean=8, sd=1, low=1, upp=10) import matplotlib.pyplot as plt fig, ax = plt.subplots(3, sharex=True) ax[0].hist(X1.rvs(10000), normed=True) ax[1].hist(X2.rvs(10000), normed=True) ax[2].hist(X3.rvs(10000), normed=True) plt.show() 

Si está buscando la distribución normal truncada , SciPy tiene una función llamada truncnorm

La forma estándar de esta distribución es una normal estándar truncada al rango [a, b]: observe que a y b se definen sobre el dominio de la normal estándar. Para convertir los valores de clip para una media específica y una desviación estándar, use:

a, b = (myclip_a – my_mean) / my_std, (myclip_b – my_mean) / my_std

truncnorm toma a y b como parámetros de forma.

 >>> from scipy.stats import truncnorm >>> truncnorm(a=-2/3., b=2/3., scale=3).rvs(size=10) array([-1.83136675, 0.77599978, -0.01276925, 1.87043384, 1.25024188, 0.59336279, -0.39343176, 1.9449987 , -1.97674358, -0.31944247]) 

El ejemplo anterior está limitado por -2 y 2 y devuelve 10 variables aleatorias (usando el método .rvs() )

 >>> min(truncnorm(a=-2/3., b=2/3., scale=3).rvs(size=10000)) -1.9996074381484044 >>> max(truncnorm(a=-2/3., b=2/3., scale=3).rvs(size=10000)) 1.9998486576228549 

Aquí hay un gráfico de histogtwig para -6, 6:

Además de la sugerencia de @bakkal (+1), también puede querer echar un vistazo a la receta de Vincent Mazet para lograr esto, reescrita como un módulo de piretría por Christoph Lassner .

Si solo quieres trabajar con numpy también puedes hacer algo como esto:

 int(np.clip(int(np.random.normal(mean,std)),min_size,max_size) 

Esto simplemente recortará los valores más pequeños y más grandes a su min y max especificados