在numpy中矢量化比较

Question

如何在NumPy中对此循环进行矢量化？它使用来自NumPy的binomial()函数的抽样来估计特定类型的55个事件中m的概率发生的概率，m发生的概率为5％;即估计55Cm。（0.05）^ m。（0.95）^（55-m）。其中55Cm = 55！/（m！。（55-m）！）

import numpy as np
M = 7
m = np.arange(M+1)
ntrials = 1000000
p = np.empty(M+1)
for r in m:
    p[r] = np.sum(np.random.binomial(55, 0.05, ntrials)==r)/ntrials

Answer 1

以下是等效代码：

p = np.zeros(M+1)
print p

我想你不打算让你的输出总是全为零，但确实如此！因此，首先要做的是在dtype=float调用中添加np.sum()参数。除此之外，我们可以像这样对整个事物进行矢量化：

samples = np.random.binomial(55, 0.05, (ntrials, M+1))
p = np.sum(samples == m, dtype=float, axis=0) / ntrials

这会产生等效但不相同的结果。原因是随机数生成是以不同的顺序完成的，因此您将得到一个“正确”但与旧代码不同的答案。如果您想要之前的结果相同，可以通过将第一行更改为：

来实现

samples = p.random.binomial(55, 0.05, (M+1, ntrials)).T

然后你以与以前相同的顺序绘制，没有真正的性能损失。