Python 我们可以用更快的方法创建阵列吗？

有没有更快的方法来创建以下数组？我需要创建一个数组以便进一步计算。 此阵列创建需要花费大量时间才能运行。基本上，我需要创建一个系列或数组，其值为norm.ppf函数，大小为4000

 nrow = 4000
 lts = pandas.Series(numpy.zeros(nrow))
 lts = lts.apply(lambda x : norm.ppf(random.random(),10),5))
 lts = np.asarray(lts, int)

---

除了将系列用作容器之外，您没有将熊猫用于任何其他目的，因此将熊猫从计算中剔除会更快

大概，

norm

是

scipy.stats.norm

。如果是这样，

norm.ppf

的第一个参数可以是numpy数组。因此，在4000大小的NumPy数组上调用

norm.ppf

一次要比在float上调用

norm.ppf

4000次快得多：

lts = norm.ppf(np.random.random(4000), 10, 5).astype('int')

---

---

5

打算做什么？

x

是用来做某事的吗？在norm.ppf（概率、平均值、标准偏差）中，10是平均值，5是标准差。我的代码将对lts的每个元素应用norm.ppf。但是括号放错了位置，所以代码在语法上无效，

5

不是

norm.ppf

的参数。（见

）

在10之后。）非常感谢@unutbu。对没有得到的人的解释，lts=norm.ppf（np.random.random（4000），10,5）。astype（'int'）将创建4000个随机变量并计算norm。是的，这就是想法。

In [120]: %timeit lts = norm.ppf(np.random.random(4000), 10, 5).astype('int')
100 loops, best of 3: 2.51 ms per loop

In [121]: %%timeit
   .....: lts_orig = pd.Series(np.zeros(nrow))
   .....: lts_orig = lts_orig.apply(lambda x : norm.ppf(random.random(),10, 5))
   .....: lts_orig = np.asarray(lts_orig, int)
   .....: 
1 loops, best of 3: 572 ms per loop