在上画几个伯努利分布

Question

假设我想立刻从伯努利分布列表中画出，例如，概率为[0.1, 0.2, 0.3]。我可以用for循环来实现这一点，但是有没有更好的numpy方法（使用scipy也可以）？

ps = [0.1, 0.2, 0.3]
[np.random.choice(2, p=[1 - p, p]) for p in ps]

Answer 1

我建议使用(np.random.uniform(size=d) < probs) * 1，其中probs是概率向量。这将生成统一的随机变量，然后将其阈值设为0或1，得到1的概率正是probs中的概率。

如果只需要几个bernoulli变量，并且只需要一次，那么用np.random.二项式求解就可以了。然而，它似乎比使用均匀分布生成伯努利变量慢几倍。例如，如果我们有随机概率向量 probs = np.uniform(size=10000)， 然后我们得到

%timeit np.random.binomial(n=1, p=probs, size=10000)
Result: 775 µs ± 5.35 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit (np.random.uniform(size=10000) < probs) * 1
Result: 103 µs ± 510 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Answer 2

你可以从二项式中画出n=1，这相当于伯努利。由于二项式接受数组作为概率参数，因此可以使用：

np.random.binomial(1, p=ps)

您可以通过给一些元素很小/很大的概率来测试它是否工作，并多次调用函数。

例如，让ps = [0.23, 0.48, 0.64, 0.98]

In [90]: np.sum([np.random.binomial(1,p=ps) for i in range(100000)], axis=0)
Out[90]: array([23000, 48115, 64128, 97957])