Python numpy random.multinomial用法及代码示例

本文简要介绍 python 语言中 numpy.random.multinomial 的用法。

用法:

random.multinomial(n, pvals, size=None)

从多项分布中抽取样本。

多项分布是二项分布的多元推广。使用其中之一进行实验p可能的结果。此类实验的一个示例是掷骰子，其结果可以是 1 到 6。从分布中抽取的每个样本代表n这样的实验。它的值，X_i = [X_0, X_1, ..., X_p], 代表结果出现的次数i.

注意

新代码应改为使用default_rng() 实例的multinomial 方法；请参阅快速入门。

参数：

n： int

实验次数。

pvals： 浮点数序列，长度 p

每个p 不同结果的概率。这些总和必须为 1(但是，始终假定最后一个元素解释剩余概率，只要 sum(pvals[:-1]) <= 1) 。

size： int 或整数元组，可选

输出形状。例如，如果给定的形状是 (m, n, k) ，则绘制 m * n * k 样本。默认为无，在这种情况下返回单个值。

返回：

out： ndarray

绘制的样本，形状尺寸，如果提供的话。如果不是，形状是(N,).

换句话说，每个条目out[i,j,...,:] 是从分布中提取的 N 维值。

例子：

掷骰子 20 次：

>>> np.random.multinomial(20, [1/6.]*6, size=1)
array([[4, 1, 7, 5, 2, 1]]) # random

它在 1 上降落 4 次，在 2 上降落一次，依此类推。

现在，掷骰子 20 次，再掷 20 次：

>>> np.random.multinomial(20, [1/6.]*6, size=2)
array([[3, 4, 3, 3, 4, 3], # random
       [2, 4, 3, 4, 0, 7]])

第一次运行时，我们投掷了 3 次 1、4 次 2 等。第二次，我们投掷了 2 次 1、4 次 2 等。

装满骰子的骰子更有可能落在 6 号上：

>>> np.random.multinomial(100, [1/7.]*5 + [2/7.])
array([11, 16, 14, 17, 16, 26]) # random

概率输入应该归一化。作为一个实现细节，最后一个条目的值被忽略并假定占据任何剩余的概率质量，但这不应该被依赖。一个有偏差的硬币，其一侧的重量是另一侧的两倍，应该像这样采样：

>>> np.random.multinomial(100, [1.0 / 3, 2.0 / 3])  # RIGHT
array([38, 62]) # random

不喜欢：

>>> np.random.multinomial(100, [1.0, 2.0])  # WRONG
Traceback (most recent call last):
ValueError: pvals < 0, pvals > 1 or pvals contains NaNs