如何将numpy random.choice应用于概率值矩阵（矢量化解决方案）

Question

我的问题如下

我有一个带有3个值的一维整数列表（或np.array）

l = [0,1,2]

我有一个二维列表（为简单起见，我们将使用两行）

P = 
[[0.8, 0.1, 0.1],
 [0.3, 0.3, 0.4]]

我想要的是numpy.random.choice(a=l, p=P)，其中P（概率分布）中的每一行都应用于l。因此，我希望从带有概率的[0,1,2]中抽取一个随机样本。dist。[0.8，0.1，0.1]首先，然后是概率。dist。[0.3，0.3，0.4]接下来，给我两个输出。

=====更新======

我可以用于循环或列表理解，但是我正在寻找一种快速/矢量化的解决方案。

Answer 1

这是一种方法。

这是几率：

In [161]: p
Out[161]: 
array([[ 0.8 ,  0.1 ,  0.1 ],
       [ 0.3 ,  0.3 ,  0.4 ],
       [ 0.25,  0.5 ,  0.25]])

c 持有累积分布：

In [162]: c = p.cumsum(axis=1)

生成一组均匀分布的样本…

In [163]: u = np.random.rand(len(c), 1)

…然后查看它们“适合”的位置c：

In [164]: choices = (u < c).argmax(axis=1)

In [165]: choices
Out[165]: array([1, 2, 2])