python - 向量化 np.random.binomial 以接受多维数组

Question

我有一个数组，假设是一个大小为 (3,3,3) 的三维数组:

M = np.arange(27).reshape((3,3,3))

我想要实现的是应用numpy.random.binomial函数，例如:

X[i,j,k] = (n=M[i,j,k], p=0.5 , size=1)

使用 for 循环这应该很容易，但对于大型数组来说，这不是最好的主意。

一个可能的解决方案是:

def binom(x):
   fis = int(np.random.binomial(x,p=0.5,size=1))
   return fis

X = np.vectorize(binom)(M)

它工作得很好，但是np.vectorize基本上是一个伪装良好的for等效项，所以对于较大的数组来说没有太大的改进。 我确信有更便宜、更快的解决方案。

Answer 1

这似乎是通过将样本数作为多维数组直接传递给 np.binomial() 来工作的(至少对于 numpy 版本 1.13.3):

In [1]: n = np.arange(27).reshape((3,3,3))
In [9]: np.random.binomial(n,p=0.5)
Out[9]: 
array([[[ 0,  1,  1],
        [ 1,  3,  3],
        [ 3,  3,  4]],

       [[ 2,  5,  4],
        [ 4,  7,  7],
        [ 9,  9,  9]],

       [[ 4,  9, 10],
        [14, 16, 12],
        [15, 15, 13]]])