如何让这个 python 代码运行得更快？

Question

我有两个问题：

1- 此代码执行时间过长。知道如何让它更快吗？ 使用下面的代码，我想生成 100 个介于 700 和 1200 之间的随机离散值。

我选择了weibull分布，因为我想生成故障率数据，请看下面的直方图。

    import random
    nums = [] 
    alpha = 0.6
    beta = 0.4
        
    while len(nums) !=100: 
        temp = int(random.weibullvariate(alpha, beta))
        if 700 <= temp <1200:
            nums.append(temp)
            print(nums)
            
    # plotting a graph 
    #plt.hist(nums, bins = 200) 
    #plt.show()
    print(nums)

我想生成这样的直方图： Histogram

2- 我有这个函数用于离散威布尔分布

def DiscreteWeibull(q, b, x):
    return q**(x**b) - q**((x + 1)**b)

如何生成遵循此分布的随机值？

Answer 1

由于具有形状参数 K 和尺度参数 lambda 的 Weibull 分布可以表征为 Uniform (0,1) dist 上的此函数。 U， 我们可以将分布“切割”到所需的最小值和最大值。我们通过反转等式，将 W 设置为 700 或 1200，并找到对应的 0 和 1 之间的值来做到这一点。这是一些示例代码。

def weibull_from_uniform(shape, scale, x):
    assert 0 <= x <= 1
    return scale * pow(-1 * math.log(x), 1.0 / shape)


scale_param = 0.6
shape_param = 0.4

min_value = 700.0
max_value = 1200.0

lower_bound = math.exp(-1 * pow(min_value / scale_param, shape_param))
upper_bound = math.exp(-1 * pow(max_value / scale_param, shape_param))

if lower_bound > upper_bound:
    lower_bound, upper_bound = upper_bound, lower_bound


nums = []

while len(nums) < 100:
    nums.append(weibull_from_uniform(shape_param, scale_param, random.uniform(lower_bound, upper_bound)))

print(nums)
plt.hist(nums, bins=8)
plt.show()

此代码给出的直方图与您提供的非常相似；该方法将提供与原始方法相同分布的值，只是速度更快。请注意，这种直接方法仅在我们的形状参数 K 1 时，Weibull 密度函数增加到一个模式，然后减小，因此您可能需要从两个均匀区间中提取特定的最小值和最大值（因为 W 和 U 的反转可能会给出两个答案）。

Answer 2

您的问题不是很清楚，为什么您认为使用此 Weibull 分布是一个好主意，也不清楚您希望实现哪种分布。

离散均匀分布

这里有两种方法可以在[700, 1200)上实现离散均匀分布。

1) 与random

import random

nums = [random.randrange(700, 1200) for _ in range(100)]

2) 与numpy

import numpy

nums = numpy.random.randint(700, 1200, 100)

几何分布

您已经使用示例直方图编辑了您的问题，并提到“我想生成一个像这样的直方图”。直方图隐约看起来像geometric distribution。

我们可以使用numpy.random.geometric:

import numpy

n_samples = 100
p = 0.5
a, b = 50, 650
cap = 1200

nums = numpy.random.geometric(p, size = 2 * n_samples) * a + b
nums = nums[numpy.where(nums < cap)][:n_samples]