首页 文章

使用SciPy或NumPy生成具有指定权重的离散随机变量

提问于
浏览 次
39

我正在寻找一个简单的函数，它可以根据相应的（也是指定的）概率生成指定随机值的数组 . 我只需要它来生成浮点值，但我不明白为什么它不能生成任何标量 . 我可以想到从现有函数构建这个函数的许多方法，但我想我可能只是错过了一个明显的SciPy或NumPy函数 .

例如 . ：

>>> values = [1.1, 2.2, 3.3]
>>> probabilities = [0.2, 0.5, 0.3]
>>> print some_function(values, probabilities, size=10)
(2.2, 1.1, 3.3, 3.3, 2.2, 2.2, 1.1, 2.2, 3.3, 2.2)

注意：我找到 scipy.stats.rv_discrete 但我不明白它是如何工作的 . 具体来说，我不明白这（下面）的含义是什么，也不应该做什么：

numargs = generic.numargs
[ <shape(s)> ] = ['Replace with resonable value', ]*numargs

如果rv_discrete是我应该使用的，你能否提供一个简单的例子和对上述“形状”陈述的解释？

python random numpy scipy

5 回答

  • 3

    从离散分布中绘制直接构建为numpy . 该函数被称为random.choice（在numpy文档中没有任何对离散分布的引用很难找到） .

    elements = [1.1, 2.2, 3.3]
probabilities = [0.2, 0.5, 0.3]
np.random.choice(elements, 10, p=probabilities)
    回复于
  • 54

    这是一个简短的，相对简单的函数，它返回加权值，它使用NumPy的 digitize ， accumulate 和 random_sample .

    import numpy as np
from numpy.random import random_sample

def weighted_values(values, probabilities, size):
    bins = np.add.accumulate(probabilities)
    return values[np.digitize(random_sample(size), bins)]

values = np.array([1.1, 2.2, 3.3])
probabilities = np.array([0.2, 0.5, 0.3])

print weighted_values(values, probabilities, 10)
#Sample output:
[ 2.2  2.2  1.1  2.2  2.2  3.3  3.3  2.2  3.3  3.3]

    它的工作原理如下：

    • 首先使用 accumulate 我们创建箱子 .

    • 然后我们使用 random_sample 创建一堆随机数（在 0 和 1 之间）

    • 我们使用 digitize 来查看这些数字属于哪些箱柜 .

    • 并返回相应的值 .

    回复于
  • 4

    你正朝着一个好方向前进：内置的 scipy.stats.rv_discrete() 直接创建了一个离散的随机变量 . 下面是它的工作原理：

    >>> from scipy.stats import rv_discrete  

>>> values = numpy.array([1.1, 2.2, 3.3])
>>> probabilities = [0.2, 0.5, 0.3]

>>> distrib = rv_discrete(values=(range(len(values)), probabilities))  # This defines a Scipy probability distribution

>>> distrib.rvs(size=10)  # 10 samples from range(len(values))
array([1, 2, 0, 2, 2, 0, 2, 1, 0, 2])

>>> values[_]  # Conversion to specific discrete values (the fact that values is a NumPy array is used for the indexing)
[2.2, 3.3, 1.1, 3.3, 3.3, 1.1, 3.3, 2.2, 1.1, 3.3]

    因此，上面的分发 distrib 返回 values 列表中的索引 .

    更一般地， rv_discrete() 在其 values=(…,…) 参数的第一个元素中采用一系列整数值，并返回这些值，在这种情况下;无需转换为特定（浮点）值 . 这是一个例子：

    >>> values = [10, 20, 30]
>>> probabilities = [0.2, 0.5, 0.3]
>>> distrib = rv_discrete(values=(values, probabilities))
>>> distrib.rvs(size=10)
array([20, 20, 20, 20, 20, 20, 20, 30, 20, 20])

    其中（整数）输入值以所需概率直接返回 .

    回复于
  • 25

    您还可以使用Lea，一个专用于离散概率分布的纯Python包 .

    >>> distrib = Lea.fromValFreqs((1.1,2),(2.2,5),(3.3,3))
>>> distrib
1.1 : 2/10
2.2 : 5/10
3.3 : 3/10
>>> distrib.random(10)
(2.2, 2.2, 1.1, 2.2, 2.2, 2.2, 1.1, 3.3, 1.1, 3.3)

    Etvoilà！

    回复于
  • 15

    最简单的DIY方式是将概率总结为累积分布 . 这样，您可以将单位间隔分割为长度等于原始概率的子间隔 . 现在在[0,1）上生成一个随机数统一，并查看它所到达的间隔 .

    回复于

相关问题