利用python3如何给数据添加高斯噪声

添加高斯噪声是一个常见的数据处理需求，Python 3中可以借助NumPy库轻松实现。下面是利用Python 3给数据添加高斯噪声的完整攻略：

步骤一：安装NumPy库

要在Python 3中使用NumPy库，需要先安装该库。打开终端，输入以下命令：

pip3 install numpy

步骤二：生成高斯分布的随机数

NumPy库提供了生成高斯分布的随机数的函数np.random.normal()。可以使用该函数生成一组高斯分布随机数，作为噪声信号。下面是一个示例代码：

import numpy as np

# 生成均值为0，标准差为1的高斯分布的随机数
mean = 0
stddev = 1
noise = np.random.normal(mean, stddev, size=(100, 100))

在上述代码中，np.random.normal()函数接受三个参数，分别是均值（mean）、标准差（stddev）和返回随机数数组的形状（size）。上述代码生成了一个形状为(100, 100)的高斯分布随机数数组，均值为0，标准差为1，存储在变量noise中。

步骤三：添加噪声信号

有了噪声信号后，要将其添加到原始数据上。这可以使用NumPy的加法操作实现，如下所示：

# 原始数据
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 给原始数据添加噪声信号
noisy_data = data + noise

在上述代码中，data是原始数据，noise是之前生成的噪声信号数组，将两者相加即可得到带有高斯噪声的数据。上述代码中，noisy_data存储了添加了噪声信号后的数据。

除了直接加上噪声信号外，还可以将噪声信号乘以一个缩放系数，控制噪声信号的强度：

# 原始数据
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 缩放噪声信号的强度
scale = 0.1
noisy_data = data + scale * noise

在上述代码中，scale是一个缩放系数，用于控制噪声信号的强度。将噪声信号乘以scale后再加到原始数据上，得到的noisy_data即为带有高斯噪声的数据。

以上就是利用Python 3给数据添加高斯噪声的完整攻略，其中给出了两条示例说明。