我有一个数组,让我们说一个三维的大小(3,3,3):
M = np.arange(27).reshape((3,3,3))
我想要实现的是应用numpy.random.binomial
函数,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,但对于大型数组,这不是最好的主意。
一个可能的解决方案是:
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np.vectorize
is基本上是一个伪装的for
等效,所以对大型阵列没有太大的改进。我相信有更便宜和更快的解决方案。
这似乎可以直接将样本数作为多维数组传递给np.binomial()
(至少使用numpy版本1.13.3):
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]]])