在 Python/NumPy 中加速多项随机样本答案

【问题标题】：Speeding up multinomial random sample in Python/NumPy在 Python/NumPy 中加速多项随机样本
【发布时间】：2019-11-12 17:08:40
【问题描述】：

我正在根据一组概率probs 上的多项分布生成一个抽奖向量，其中每个抽奖都是probs 中所选条目的索引：

import numpy as np
def sample_mult(K, probs):
    result = np.zeros(num_draws, dtype=np.int32)
    for n in xrange(K):
        draws = np.random.multinomial(1, probs)
        result[n] = np.where(draws == 1)[0][0]
    return result

这可以加速吗？一遍又一遍地调用np.random.multinomial 似乎效率低下（而且np.where 也可能很慢。）

timeit 说The slowest run took 6.72 times longer than the fastest. This could mean that an intermediate result is being cached 100000 loops, best of 3: 18.9 µs per loop

【问题讨论】：

标签： python numpy optimization scipy vectorization

【解决方案1】：

您可以将size 选项与np.random.multinomial 一起使用以生成随机样本行，而不是仅使用默认size=1 输出一行，然后使用.argmax(1) 模拟np.where()[0][0] 行为。

因此，我们将有一个矢量化解决方案，就像这样 -

result = (np.random.multinomial(1,probs,size=K)==1).argmax(1)

【讨论】：

【解决方案2】：

“选择”的 p= 参数执行此操作（并避免 argmax）：

result = np.random.choice(len(probs), K, p=probs)

【讨论】：