Python3实现数据高斯噪声添加详解

林舟

发布时间：2026-10-15| 4人浏览过

原创

本文介绍如何在Python3中利用random库为数据添加高斯噪声。通过调整均值和标准差（sigma），可控制噪声强度，适用于数据增强或模拟实际场景。文中提供完整代码示例及不同sigma值下的效果对比，帮助开发者掌握噪声添加技巧。

Background

高斯噪声是指服从高斯分布（即正态分布）的随机噪声。在某些应用场景中，向标准数据中引入适量的高斯噪声，可以使数据更贴近真实世界的复杂情况，从而提升模型的鲁棒性或测试的准确性。

Python标准库中的random模块已集成高斯正态分布功能，开发者可以直接调用相关函数来生成符合高斯分布的随机数，无需额外安装复杂库即可实现基础噪声添加。

通过灵活调整高斯噪声的均值（mu）和方差（sigma），可以生成不同强度和处理效果的数据。均值通常设为0，而标准差sigma决定了噪声的波动范围，sigma值越大，噪声对原始数据的影响越显著。

原始数据

高斯噪声sigma = 0.05

高斯噪声sigma = 0.1

高斯噪声sigma = 0.15

源码

import random

import numpy as np
from matplotlib import pyplot as plt

def gauss_noisy(x, y):
    """
    对输入数据加入高斯噪声
    :param x: x轴数据
    :param y: y轴数据
    :return:
    """
    mu = 0
    sigma = 0.05
    for i in range(len(x)):
        x[i] += random.gauss(mu, sigma)
        y[i] += random.gauss(mu, sigma)

if __name__ == '__main__':
    # 在0-5的区间上生成50个点作为测试数据
    xl = np.linspace(0, 5, 50, endpoint=True)
    yl = np.sin(xl)

    # 加入高斯噪声
    gauss_noisy(xl, yl)

    # 画出这些点
    plt.plot(xl, yl, linestyle='', marker='.')
    plt.show()