Python 蒙特卡罗模拟中样本均值的计算

我对n个样本进行了蒙特卡罗模拟。对于每个样本i，我需要计算值席，所以我可能得到的结果是：

X=[X1，X2，…，Xn]

（这里席可以是矩阵或数）。< /P> 现在我想计算这些样本的平均值，我称之为Xmean。所以我需要得到这样的东西：

Xmean=[X1，（X1+X2）/2，（X1+X2+X3）/3…，（X1+X2+…+Xn）/n]

在Python中，我编写了一段代码：

for i in range(N):
    for j in range(i+1):
         Xmean(i) = Xmean(i) + X(j)
    Xmean(i) = Xmean(i) / (i+1)

它工作得很好，但太慢了，我想知道我是否可以加快这个代码？如果你们能给我推荐一些有趣的Python库，对蒙特卡罗模拟有帮助的话

---

谢谢，

只需减少计算量

Xmean(0) = X(0)
for i in range(N-1):
    Xmean(i+1) = (Xmean(i)*(i+1) + X(i+1))/(i+2)

结果:

mc0                  26.023956370918587
mc1                  0.1423197092108488
mc2                  0.13584513496654083

---

当您在

xmean

中已有可用信息时，在每个循环迭代中重新计算

x（1）…x（i）

上的和没有意义。Donbeo的numpy版本略快于我的纯Python版本，两者都比原始版本快近200倍（无论如何，对于这些数据而言）。

如果使用numpy，应该很容易

import numpy as np

X = [1,5,3,8,6,9]
Xmean = np.cumsum(X)
Xmean = Xmean/np.array(range(1,len(X)+1)

---

谢谢，它确实更快：我认为这是正确的：Xmean=Xmean/np.array（范围（1，len（X）+1））

import numpy as np

X = [1,5,3,8,6,9]
Xmean = np.cumsum(X)
Xmean = Xmean/np.array(range(1,len(X)+1)