我正在從負二項式分布 (nbd) 中生成一組隨機選擇的總和，每個總和的長度都是不規則的。現在我實作它如下：
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]))
這是有效的，但是當我在我的實際資料上執行它時它非常慢（gmc 的維度為 1e6），我想改變 nbd 中 n 和 p 的多個值（在本例中它們設定為 1和 0.5，分別）。
我想找出一種 pythonic 方法來消除回圈，但我不確定這是否可能。如果可能的話，我想保留 default_rng 以獲得比舊的方法（np.random.choice）更好的隨機生成。
uj5u.com熱心網友回復：
m來自帶引數(n, p)的負二項式分布的樣本總和的分布是帶引數的負二項式分布(m*n, p)。因此negative_binomial(1, 0.5)，您可以直接使用negative_binomial(gmc, 0.5)以下命令生成結果，而不是從 的大型預計算樣本中對隨機選擇求和：
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])
（該negative_binomial方法將廣播其輸入，因此我們可以將其gmc作為引數傳遞以通過一次呼叫生成所有樣本。）
更一般地，如果您想改變n用于生成 的nbd，您可以將其乘以n相應的元素 ingmc并將乘積傳遞給rng.negative_binomial。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/361985.html