用法：
RandomState.multinomial(n, pvals, size=None)從多項分布中抽取樣本。
多項式分布是二項式分布的多元概括。進行以下一項實驗
p可能的結果。此類實驗的一個示例是擲骰子，其結果可以是1到6。從分布中抽取的每個樣本代表n個此類實驗。它的價值X_i = [X_0, X_1, ..., X_p]，代表結果為i。參數： - n： ： int
實驗次數。
- pvals： ： sequence of floats, length p
每個的概率
p不同的結果。這些總和必須為1(不過，隻要sum(pvals[:-1]) <= 1)。- size： ： int 或 tuple of ints, 可選參數
輸出形狀。如果給定的形狀是
(m, n, k)， 然後m * n * k抽取樣品。默認值為無，在這種情況下，將返回單個值。
返回值： - out： ： ndarray
如果提供了形狀大小的抽取樣本。如果不是，則形狀為
(N,)。換句話說，每個條目
out[i,j,...,:]是從分布中得出的N-dimensional值。
例子：
投擲骰子20次：
>>> np.random.multinomial(20, [1/6.]*6, size=1) array([[4, 1, 7, 5, 2, 1]]) # random它在1降落了4次，在2降落了，依此類推。
現在，擲骰子20次，再擲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]])對於第一次跑步，我們投擲了3次1、4次2等。對於第二次跑步，我們投擲了2次1、4次2等。
加載的骰子更有可能落在第6位：
>>> np.random.multinomial(100, [1/7.]*5 + [2/7.]) array([11, 16, 14, 17, 16, 26]) # random概率輸入應歸一化。作為實現的詳細信息，最後一項的值將被忽略，並假定占據了所有剩餘概率質量，但是不應依賴於此。偏側硬幣的一側重量是另一側重量的兩倍，應該這樣采樣：
>>> np.random.multinomial(100, [1.0 / 3, 2.0 / 3]) # RIGHT array([38, 62]) # random不喜歡：
>>> np.random.multinomial(100, [1.0, 2.0]) # WRONG Traceback (most recent call last): ValueError:pvals < 0, pvals > 1 or pvals contains NaNs
注：本文由純淨天空篩選整理自 numpy.random.mtrand.RandomState.multinomial。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。