在 numpy 中向量化比较

Question

如何在 NumPy 中对这个循环进行矢量化？它使用来自 NumPy 的 binomial() 函数的采样来估计在 55 个事件中恰好发生特定类型的 m 的概率，其中 m 发生的概率为 5%；即它估计55Cm.(0.05)^m.(0.95)^(55-m)。其中 55Cm = 55!/(m!.(55-m)!)

import numpy as np
M = 7
m = np.arange(M+1)
ntrials = 1000000
p = np.empty(M+1)
for r in m:
    p[r] = np.sum(np.random.binomial(55, 0.05, ntrials)==r)/ntrials

Answer 1

这是等效的代码：

p = np.zeros(M+1)
print p

我想你不打算让你的输出总是全为零，但它是！所以要做的第一件事是在你的np.sum() 调用中添加一个dtype=float 参数。有了这个，我们可以像这样对整个事物进行矢量化：

samples = np.random.binomial(55, 0.05, (ntrials, M+1))
p = np.sum(samples == m, dtype=float, axis=0) / ntrials

这会产生等效但不完全相同的结果。原因是随机数生成是以不同的顺序完成的，因此您将得到一个“正确”但与旧代码不同的答案。如果您想要与之前相同的结果，您可以通过将第一行更改为：

samples = p.random.binomial(55, 0.05, (M+1, ntrials)).T

然后您按照与之前相同的顺序进行绘制，而没有实际的性能损失。