numpy.random.multinomial#

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.考虑一个有 p 种可能结果的实验.例如,掷骰子,结果可能是 1 到 6.从该分布中抽取的每个样本代表 n 次这样的实验.它的值 X_i = [X_0, X_1, ..., X_p] 表示结果为 i 的次数.

备注

新代码应该使用 multinomial 方法,该方法是 Generator 实例的一个方法;请参见 快速入门 .

警告

此函数默认为 C-long dtype,在 Windows 上为 32 位,否则在 64 位平台上为 64 位(在 32 位平台上为 32 位).自从 NumPy 2.0 以来,NumPy 的默认整数在 32 位平台上为 32 位,在 64 位平台上为 64 位.

参数:
nint

实验次数.

pvals浮点数序列,长度为 p

p 种不同结果中每一种的概率.这些概率之和必须为 1(不过,只要 sum(pvals[:-1]) <= 1) ,总是假设最后一个元素占剩余的概率).

sizeint 或 int 的元组,可选.

输出形状.如果给定的形状是,例如 (m, n, k) ,则抽取 m * n * k 个样本.默认值为 None,在这种情况下,将返回单个值.

返回:
outndarray

绘制的样本,如果提供了大小,则形状为 size. 如果没有,则形状为 (N,) .

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

参见

random.Generator.multinomial

新代码应该使用这个.

示例

掷骰子 20 次:

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

掷出 1 的次数为 4,掷出 2 的次数为 1,等等.

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]])

对于第一次,我们掷出 1 的次数为 3,掷出 2 的次数为 4,等等.对于第二次,我们掷出 1 的次数为 2,掷出 2 的次数为 4,等等.

作弊的骰子更有可能掷出数字 6:

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

概率输入应该被归一化.作为一个实现细节,最后一个条目的值将被忽略,并假定占据任何剩余的概率质量,但不能依赖于这一点.一个有偏的硬币,其中一面的权重是另一面的两倍,应该像这样抽样:

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

不是像这样:

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