从{1，-1}生成随机数组的最简单方法是使用Numpy中预定义的平均值？

在numpy中，生成具有以下形式的n个值的随机数组的最佳方法是什么

    arr = [1,-1,-1,1,1,1,...]

该平均值尽可能接近预定义值m，因此

    print 1/n*np.sum(arr)
    >>> #value that is as close as possible to m

我一直在做实验

    numpy.random.choice([-1,1], size=n) 

---

但似乎找不到解决方案。

您可以选择为传递给

随机的数组中的每个元素输入概率值。选择
。在这种情况下，你的平均值或期望值是p-q，其中p是正概率，q是负概率。请注意，这与
n
无关。如果你把正概率设为p，那么负概率是1-p。然后可以解2p-1=m，得到给定m的p值

例如，如果你的平均m为.4，你将通过[7,3]作为概率：

numpy.random.choice([1, -1], n, p=[.7, .3])

下面是一个例子：

In [25]:
n = 1e6
m = .4
p = (m + 1) / 2
np.random.choice([1, -1], n, p=[p, 1-p]).sum() / n

Out[25]:
0.39873799999999998

您可以选择为传递给
random.choice
的数组中的每个元素输入概率值。在这种情况下，你的平均值或期望值是p-q，其中p是正概率，q是负概率。请注意，这与
n
无关。如果你把正概率设为p，那么负概率是1-p。然后可以解2p-1=m，得到给定m的p值

例如，如果你的平均m为.4，你将通过[7,3]作为概率：

numpy.random.choice([1, -1], n, p=[.7, .3])

下面是一个例子：

In [25]:
n = 1e6
m = .4
p = (m + 1) / 2
np.random.choice([1, -1], n, p=[p, 1-p]).sum() / n

Out[25]:
0.39873799999999998

首先，要认识到，对于固定的
n
，您不能（通常）选择其平均值恰好是任意值
m
的数组。我假设您选择的是
m
，这是一个可能的解决方案，或者您可以得到接近给定平均值的值

n1
1s和
n2
-1s的平均值为
（n1-n2）/n
，其中
n=n1+n2
。所以你想要
m=（n1-n2）/n=（n1-（n-n1））/n=（2*n1-n）/n=2*n1/n-1
。这将给出
n1=（m+1）*n/2
（适用于-1）。首先，要认识到，对于固定的
n
，您不能（通常）选择其平均值正好是任意值的数组
m
。我假设您选择的
m
可能有解，或者您可以得到接近给定平均值的值

n1
1s和
n2
-1s的平均值是
（n1-n2）/n
，其中
n=n1+n2
。所以你需要
m=（n1-n2）/n=（n1-（n-n1））/n=（2*n1-n）/n=2*n1/n-1
。这就给出了
n1=（m+1）*/2
（适用于-1）
In [38]: x = np.ones(n, dtype=int)

In [39]: x[:n-n1] = -1

In [40]: np.random.shuffle(x)

In [41]: x
Out[41]: 
array([ 1, -1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1, -1,  1,
        1,  1,  1, -1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1, -1,  1,  1,
       -1,  1,  1,  1, -1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,
        1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1, -1,  1,  1,  1,
        1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1,  1, -1,  1,  1,
       -1,  1,  1,  1,  1,  1,  1,  1,  1,  1, -1,  1,  1,  1,  1])

In [42]: x.mean()
Out[42]: 0.80000000000000004