Question

我想优化我编写的模拟。我将提供我创建的代码，之后我将解释我想要实现的主要想法：

for exp_itrs in range(99999):
    coin_flips = np.zeros((1000,10))
    for toss in range(999):
        toss_10 = np.random.randint(0,2,size = (10))
        coin_flips[toss] = toss_10

这样做的一般想法是运行以下实验模拟100,000次：折腾1000枚硬币，每枚硬币10次。使用大小为（1000,10）的numpy矩阵来记录每个实验（行代表硬币，每列都是一次折腾）。

现在，我的电脑需要大约5分钟来运行这个简单的代码。

Answer 1

理想情况下，执行以下操作：

import numpy as np
experiment = np.random.randint(0, 2, (100000, 1000, 10), dtype=np.uint8)

注意，这只需要100000 * 1000 * 10 * 1e-9 = 1千兆字节

行动中：

>>> import numpy as np
>>> experiment = np.random.randint(0, 2, (100000, 1000, 10), dtype=np.uint8)
>>> means = experiment.mean(axis=(0,1))
>>> means
array([ 0.50002927,  0.49993242,  0.5000543 ,  0.49999995,  0.49997455,
        0.49999587,  0.4999641 ,  0.4999488 ,  0.50001366,  0.50000301])
>>> experiment.nbytes
1000000000
>>> experiment.nbytes * 1e-9 # plenty of RAM to spare
1.0

在我相对适中的笔记本电脑上：

>>> timeit.timeit("experiment = np.random.randint(0, 2, (100000, 1000, 10), dtype=np.uint8)", "import numpy as np", number=10)
29.73300809401553
>>> _ / 10
2.973300809401553 # seconds per experiment

Answer 2

您可以使用numpy.random.rand创建一个随机值矩阵0＆lt; = x＆lt;然后使用＆lt; 0.5的阈值将其别名为值0或1。

numpy.random.rand(10000, 1000, 10)

优化“抛硬币”实验模拟

2 个答案: