Question

在scipy.stats.norm.rvs()中，参数比例表示标准差，但在下面的代码中，sigma_list表示数组。代码实际上如何工作？

通过以下代码获得sigma_list：

sigma=0.06

mask=(x > 0.65) & (x < 0.8)

sigma_list=sigma+mask*0.03

sigma_list

y = sp.stats.norm.rvs(scale=sigma_list, size=200)

即使sigma_list和y的标准偏差也不匹配

我想知道上面的scipy模块的工作原理

抱歉，我没有提到x是0到1之间的值数组

Answer 1

在您的代码中，此处mask将为True或False。因此，如果您进行一些加法或减法，它将分别转换为1或0。

然后sigma_list的结果不是列表，也不是数组而是浮点值。查看documentation，您可以看到它的用法。

rvs(loc=0, scale=1, size=1, random_state=None)

如果你看code（第2771行），你有：

loc：array_like，可选               位置参数（默认= 0）。

size：int或int的元组，可选               定义随机变量的数量（默认值为1）。请注意size               必须以关键字形式给出，而不是作为位置参数。

random_state：无或int或np.random.RandomState实例，可选               如果是int或RandomState，则使用它来绘制随机变量。               如果为None，请依赖self.random_state。               默认值为“无”。

Answer 2

首先，您应该创建一个名为x的变量。该变量的大小应为200，因为这是生成的随机变量y的大小。

import numpy as np
x = np.linspace(0, 1, 200)

然后mask选择x的每个大于0.65且小于0.8的样本。变量mask将是一个布尔向量，其大小与x相同，即200个样本。此蒙版将具有值为True或False的样本。对于满足条件（x）的数组0.65 < x < 0.8的每个样本，掩码的相应样本的值为True，否则为False。

当您将布尔值乘以数字时，布尔值表现为值为0（假）或1（真）的整数。因此，乘法mask * 0.03的结果为0.03，其中0.65 < x < 0.8，否则为0。

所以这段代码简单地做到了：

对于0.65 < x < 0.8，标准偏差为0.06 + 0.03，即0.09；
否则标准偏差将为0.06

了解scipy.stats.norm.rvs（）？

2 个答案: