python - 具有不同标准差和每行平均值的 Numpy 数组

Question

我有一个带有两列的熊猫数据框。它们代表平均值和标准差。

如何执行矢量化采样？我想每行采样 1 个观察值。

import numpy as np
import pandas as pd

rng = np.random.RandomState(0)

#n_points = 4_000_000
n_points = 10
d_dimensions = 2

X = rng.random_sample((n_points, d_dimensions))

df = pd.DataFrame(X)
display(df.head())

df['raondomized'] = df.apply(lambda x: np.random.normal(x[0], x[1], 1), axis = 1)
df.head()

当记录数量增加时，它非常慢。

每行具有不同标准偏差的 Numpy 数组

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]

展示如何以相等的方式执行矢量化采样 - 如何更改它以支持不同的方式，就像我的幼稚版本使用apply，但更快？

A：

np.random.normal(df[0], df[1], 1)

仅返回单个标量值，即使指定了多个平均值/标准偏差。

标签： pythonpandasnumpyvectorizationsampling

Answer 1

df['raondomized'] = np.random.normal(df[0], df[1])

重要的是不要指定元素的数量。