每行具有不同标准偏差的块状数组

Question

我想得到一个NxM矩阵，其中每行中的数字是从不同的正态分布（相同mean但不同的标准偏差）生成的随机样本。以下代码有效：

import numpy as np

mean = 0.0 # same mean
stds = [1.0, 2.0, 3.0] # different stds
matrix = np.random.random((3,10))

for i,std in enumerate(stds):
     matrix[i] = np.random.normal(mean, std, matrix.shape[1])

但是，此代码效率不高，因为其中for涉及到循环。有更快的方法吗？

Answer 1

np.random.normal()被矢量化；您可以切换轴并转置结果：

np.random.seed(444)
arr = np.random.normal(loc=0., scale=[1., 2., 3.], size=(1000, 3)).T

print(arr.mean(axis=1))
# [-0.06678394 -0.12606733 -0.04992722]
print(arr.std(axis=1))
# [0.99080274 2.03563299 3.01426507]

也就是说，scale参数是按列的标准差，因此需要转置 via .T，因为您需要按行输入。