从对数正态分布中生成随机数可以通过Python标准库中的NumPy模块实现，具体步骤如下：
1. 导入NumPy模块
在Python中使用NumPy模块生成对数正态分布的随机数，首先需要导入NumPy模块。可以使用以下代码：
import numpy as np
2. 定义对数正态分布参数
对数正态分布由两个参数决定，均值mu和标准差sigma。可以使用scipy.stats.lognorm函数来定义对数正态分布。
from scipy.stats import lognorm
mu = 1
sigma = 0.5
3. 生成对数正态分布的随机数
使用NumPy中的random模块中的lognormal函数可以生成对数正态分布的随机数。
samples = np.random.lognormal(mu, sigma, 10000)
这个函数的参数有三个：
- mu: 对数正态分布的均值
- sigma: 对数正态分布的标准差
- size: 生成随机数的数量
此处，我们生成了10000个对数正态分布的随机数，存储在变量samples中。
示例1：生成对数正态分布的随机数
import numpy as np
from scipy.stats import lognorm
mu = 1
sigma = 0.5
samples = np.random.lognormal(mu, sigma, 10000)
print(samples)
这将打印出10000个对数正态分布的随机数。
示例2：绘制对数正态分布的概率密度函数
通过绘制对数正态分布的概率密度函数，可以更好地观察其特征。可以使用matplotlib.pyplot模块中的hist函数来绘制概率密度函数。
import numpy as np
from scipy.stats import lognorm
import matplotlib.pyplot as plt
mu = 1
sigma = 0.5
samples = np.random.lognormal(mu, sigma, 10000)
plt.hist(samples, bins=50, density=True, alpha=0.6, color='g')
x = np.linspace(0, 10, 500)
pdf = lognorm.pdf(x, sigma, scale=np.exp(mu))
plt.plot(x, pdf, 'r-', lw=2, label='pdf')
plt.legend()
plt.show()
这将绘制出概率密度函数及其对应的10000个对数正态分布的随机数的直方图。