numpy一次绘制一些bernoulli分布

Question

假设我想立即从bernoulli分布列表中得出，例如概率[0.1, 0.2, 0.3]。我可以使用for循环来做到这一点，但是有没有更好的numpy方法（使用scipy也可以）？

ps = [0.1, 0.2, 0.3]
[np.random.choice(2, p=[1 - p, p]) for p in ps]

Answer 1

您可以n=1从二项式中得出，这等效于伯努利。由于二项式接受数组作为概率参数，因此可以使用：

np.random.binomial(1, p=ps)

您可以通过为某些元素提供很小/很大的概率并多次调用该函数来测试其是否正常工作。

例如，让 ps = [0.23, 0.48, 0.64, 0.98]

In [90]: np.sum([np.random.binomial(1,p=ps) for i in range(100000)], axis=0)
Out[90]: array([23000, 48115, 64128, 97957])