Question

我有很多彼此独立的概率。除了每次在循环中调用numpy随机数之外，是否有一种基于这些概率生成0或1的有效方法？我每次只需要一次试验的结果，但是对于每个概率。

# current method using np.random.binomial()
n = 1
p = np.random.random(1000) #generating 1000 probabilities

results = np.zeros(1000)
for ix, i in enumerate(p):
    results[ix] = np.random.binomial(n,i,1)

是否有更快的方式或函数可以采用独立的概率集（因此不是随机选择，因为概率不会增加到1）。

Answer 1

p p参数允许列表类似，当它是这样时，它代表每个样本的p值。此外，当像这样使用列表时，您甚至不需要提供您期望的总样本数量：您只需为results = np.random.binomial(n, p)中的每个值获得一个。

In [1]: np.random.binomial(1, 0.5)
Out[1]: 1

In [2]: np.random.binomial(1, [0.5, 0.5, 0.9])
Out[2]: array([0, 0, 1])

一些样本证明了这一点：

alias-declaration:
    using identifier attribute-specifier-seq = defining-type-id ;

Answer 2

你可以试试这个：

np.where(p > np.random.rand(1000), 1, 0)

Python中有效的随机0,1代独立概率

2 个答案: