Python 有没有一种有效的方法可以在numpy数组中创建N个贝努利试验的二项式实验？

假设我有一枚硬币落在头上，概率为p。要做的实验是继续掷硬币x次。这个实验要重复1000次

问题是否有一种有效的/矢量化的方法来生成随机1（概率为p）和0（概率为1-p）的数组

如果我尝试这样的方法：

np.full(10,rng().choice((0,1),p= [.3,.7]))

整个数组将填充相同的选择。我见过一些解决方案，它们涉及到一个固定的零与一的比率

a = np.ones(n+m)
a[:m] = 0
np.random.shuffle(a) 

然而，我不知道如何保持这种设置实验的随机性

目前，我只是按如下方式循环每个迭代，但一旦实验数量变大，它就会变得非常缓慢

（实际的实验包括在两个连续的头部翻转时终止每个试验，这就是为什么代码中有一个while循环。为了使问题具体化，我不想在这里讨论这个问题。）

---

如有任何见解，将不胜感激，谢谢

以上评论中列出的@Quang Hong和@Kevin提供的答案。只需使用default_rng（）重新发布，以便以后更容易引用。但他们是这里真正的英雄

from numpy import default_rng as rng 

rng().binomial(1, p = .7, size=(10,10))

rng().choice((0,1),p = [.3,.7], size=(10,10))

---

np.random.choice（[0,1]，p=[3,y]，size=（1000,x））

？我想你可以使用

numpy.random.binomary

，因为伯努利分布只是二项分布的一个特例。这回答了你的问题吗？哦，太棒了，谢谢！我真的不知道我在做什么，所以这很有帮助。因此，我猜使用默认的_rng（）代码看起来像rng（）.二项式（1，p=.7，size=（10,10））或rng（）.选项（（0,1），p=[.3,7]，size=（10,10））

from numpy import default_rng as rng 

rng().binomial(1, p = .7, size=(10,10))

rng().choice((0,1),p = [.3,.7], size=(10,10))