我目前正在使用 NumPy 执行以下任务：我有一个很大的值网格，我需要在每个点提取多项式样本。多项式的概率向量因网格站点而异，因此 NumPy 多项式函数对我来说不太适用，因为它从相同的分布中进行所有绘制。迭代每个站点似乎效率极低，我想知道是否有一种方法可以在 NumPy 中有效地做到这一点。如果我使用 Theano （参见这个答案），这样的事情似乎是可能的（而且很快），但这需要大量的重写，我希望避免这种情况。多项式采样能否在基本 NumPy 中有效矢量化？
编辑：很容易修改 Warren 的代码以允许不同站点的不同计数，因为我发现我需要：所有需要做的就是传入完整数组count并删除第一个，如下所示：
import numpy as np
def multinomial_rvs(count, p):
"""
Sample from the multinomial distribution with multiple p vectors.
* count must be an (n-1)-dimensional numpy array.
* p must an n-dimensional numpy array, n >= 1. The last axis of p
holds the sequence of probabilities for a multinomial distribution.
The return value has the same shape as p.
"""
out = np.zeros(p.shape, …我一直在使用 matplotlib 为一些图像制作动画，但我现在发现我想为这些动画添加更多信息，所以我想覆盖一个指示重要特征的散点图。这是迄今为止我一直用于生成电影的代码：
def make_animation(frames,path,name):
plt.rcParams['animation.ffmpeg_path'] = u'/Users/~/anaconda3/bin/ffmpeg' #ffmpeg path
n_images=frames.shape[2]
assert (n_images>1)
figsize=(10,10)
fig, ax = plt.subplots(figsize=figsize)
fig.tight_layout()
fig.subplots_adjust(left=0, bottom=0, right=1, top=1, wspace=None, hspace=None)
#lineR, = ax.plot(xaxis_data[0],R_data[0],'c-',label="resources")
img = ax.imshow(frames[:,:,0], animated = True)
def updatefig(img_num):
#lineR.set_data(xaxis_data[img_num],R_data[img_num],'r-')
img.set_data(frames[:,:,img_num])
return [img]
ani = animation.FuncAnimation(fig, updatefig, np.arange(1, n_images), interval=50, blit=True)
mywriter = animation.FFMpegWriter(fps = 20)
#ani.save('mymovie.mp4',writer=mywriter)
ani.save("/Users/~/output/"+ path + "/" + name + ".mp4",writer=mywriter)
plt.close(fig)
我想在每一帧的顶部添加一个散点图，就像我可以用这样的常规图做的那样：
fig, ax = plt.subplots()
img = ax.imshow(frames[:,:,0])
img = ax.scatter(scatter_pts[0],scatter_pts[1],marker='+',c='r')
我在这方面的第一次尝试看起来像这样：
def make_animation_scatter(frames,path,name,scatter):
plt.rcParams['animation.ffmpeg_path'] = u'/Users/~/anaconda3/bin/ffmpeg' …