具有非常规数组大小的 Numpy 随机选择

Question

我正在制作一组来自负二项分布 (nbd) 的随机选择的总和，每个总和的长度都是非常规的。现在我按如下方式实现它：

import numpy
from numpy.random import default_rng
rng = default_rng()

nbd = rng.negative_binomial(1, 0.5, int(1e6))
gmc = [12, 35, 4, 67, 2]
n_pp = np.empty(len(gmc))
for i in range(len(gmc)):
    n_pp[i] = np.sum(rng.choice(nbd, gmc[i]))

这行得通，但是当我对我的实际数据执行它时它非常慢（gmc 的维度为 1e6），我想在 nbd 中针对 n 和 p 的多个值改变它（在这个例子中他们分别设置为 1 和 0.5）。

我想找出一种 pythonic 方法来消除循环，但我不确定是否可行。如果可能的话，我想保留 default_rng 以获得比旧方法 (np.random.choice) 更好的随机生成。

Answer 1

参数(n, p)的负二项分布m个样本之和的分布是参数(m*n, p)的负二项分布。因此，您可以直接使用 negative_binomial(gmc, 0.5):

生成结果，而不是从大量预先计算的 negative_binomial(1, 0.5) 样本中随机选择求和

In [68]: gmc = [12, 35, 4, 67, 2]

In [69]: npp = rng.negative_binomial(gmc, 0.5)

In [70]: npp
Out[70]: array([ 9, 34,  1, 72,  7])

（negative_binomial 方法将广播其输入，因此我们可以将 gmc 作为参数传递一次调用生成所有样本。）

更一般地说，如果您想改变用于生成 nbd 的 n，您可以将 n 乘以 gmc 中的相应元素，然后将产品传递给 rng.negative_binomial.

具有非常规数组大小的 Numpy 随机选择

Numpy Random Choice with Non-regular Array Size

random

numpy