Question

我有一个数组，让我们说一个尺寸为（3,3,3）的三维：

M = np.arange(27).reshape((3,3,3))

我想要实现的是应用numpy.random.binomial函数，例如：

X[i,j,k] = (n=M[i,j,k], p=0.5 , size=1)

使用for循环应该很容易，但是对于大型数组，不是最好的主意。

可能的解决方案是：

def binom(x):
   fis = int(np.random.binomial(x,p=0.5,size=1))
   return fis

X = np.vectorize(binom)(M)

它工作正常，但是np.vectorize基本上是伪装成for的等效物，因此对于较大的数组没有太大的改进。我敢肯定，有更便宜，更快的解决方案。

Answer 1

这似乎可以通过将样本数量作为多维数组直接传递到np.binomial()（至少对于numpy版本1.13.3）来起作用：

In [1]: n = np.arange(27).reshape((3,3,3))
In [9]: np.random.binomial(n,p=0.5)
Out[9]: 
array([[[ 0,  1,  1],
        [ 1,  3,  3],
        [ 3,  3,  4]],

       [[ 2,  5,  4],
        [ 4,  7,  7],
        [ 9,  9,  9]],

       [[ 4,  9, 10],
        [14, 16, 12],
        [15, 15, 13]]])

向量化np.random.binomial以接受多维数组

1 个答案: