Question

在numpy page上，他们举了

的例子

s = np.random.dirichlet((10, 5, 3), 20)

这一切都很好而且很棒;但是如果你想从二维alpha阵列生成随机样本呢？

alphas = np.random.randint(10, size=(20, 3))

如果你尝试np.random.dirichlet(alphas)，np.random.dirichlet([x for x in alphas])或者np.random.dirichlet((x for x in alphas))，它会产生一个 ValueError: object too deep for desired array。似乎唯一有用的是：

y = np.empty(alphas.shape)
for i in xrange(np.alen(alphas)):
    y[i] = np.random.dirichlet(alphas[i])
    print y

...这对我的代码结构来说远非理想。为什么会出现这种情况，任何人都可以想到一种更像“笨拙”的做法吗？

提前致谢。

Answer 1

编写

np.random.dirichlet以生成单个Dirichlet分布的样本。该代码是根据Gamma分布实现的，并且该实现可以用作矢量化代码的基础，以从不同分布生成样本。在下文中，dirichlet_sample采用具有形状（n，k）的数组alphas，其中每行是Dirichlet分布的alpha向量。它返回一个也带有形状（n，k）的数组，每一行都是来自alphas的相应分布的样本。当作为脚本运行时，它使用dirichlet_sample和np.random.dirichlet生成样本以验证它们是否生成相同的样本（达到正常的浮点差异）。

import numpy as np


def dirichlet_sample(alphas):
    """
    Generate samples from an array of alpha distributions.

    `alphas` must be a numpy array with shape (n, k).
    """
    r = np.random.standard_gamma(alphas)
    r /= r.sum(-1).reshape(-1, 1)
    return r


if __name__ == "__main__":
    alphas = 2 ** np.random.randint(0, 4, size=(6, 3))

    np.random.seed(1234)
    d1 = dirichlet_sample(alphas)
    print "dirichlet_sample:"
    print d1

    np.random.seed(1234)
    d2 = np.empty(alphas.shape)
    for k in range(len(alphas)):
        d2[k] = np.random.dirichlet(alphas[k])
    print "np.random.dirichlet:"
    print d2

    # Compare d1 and d2:
    err = np.abs(d1 - d2).max()
    print "max difference:", err

示例运行：

dirichlet_sample:
[[ 0.38980834  0.4043844   0.20580726]
 [ 0.14076375  0.26906604  0.59017021]
 [ 0.64223074  0.26099934  0.09676991]
 [ 0.21880145  0.33775249  0.44344606]
 [ 0.39879859  0.40984454  0.19135688]
 [ 0.73976425  0.21467288  0.04556287]]
np.random.dirichlet:
[[ 0.38980834  0.4043844   0.20580726]
 [ 0.14076375  0.26906604  0.59017021]
 [ 0.64223074  0.26099934  0.09676991]
 [ 0.21880145  0.33775249  0.44344606]
 [ 0.39879859  0.40984454  0.19135688]
 [ 0.73976425  0.21467288  0.04556287]]
max difference: 5.55111512313e-17

Answer 2

我认为你正在寻找

y = np.array([np.random.dirichlet(x) for x in alphas])

列表理解。否则你只是传递一个python列表或元组。我想象numpy.random.dirichlet不接受你的alpha值列表的原因是因为它没有被设置为 - 它已经接受了一个数组，根据文档，它预计具有k的维度。

为什么numpy.random.dirichlet（）不接受多维数组？

2 个答案: