Python 具有特定比例的二进制随机数组？

生成随机数的0和具有特定比例的1的有效方法是什么（可能用Matlab术语矢量化）？特别是和Numpy

由于我的案例是针对

1/3

的，因此我的代码是：

import numpy as np 
a=np.mod(np.multiply(np.random.randomintegers(0,2,size)),3)

---

但是有没有任何内置函数可以更有效地处理这一问题，至少在

K/N

的情况下，其中K和N是自然数？

您可以使用

numpy.random.binomial

。例如，假设

frac

是一个的比例：

In [50]: frac = 0.15

In [51]: sample = np.random.binomial(1, frac, size=10000)

In [52]: sample.sum()
Out[52]: 1567

---

一种简单的方法是首先生成一个带有所需的0和1的比例的

ndarray

：

>>> import numpy as np
>>> N = 100
>>> K = 30 # K zeros, N-K ones
>>> arr = np.array([0] * K + [1] * (N-K))
>>> arr
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 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])

然后您可以对数组进行洗牌，使分布随机：

>>> np.random.shuffle(arr)
>>> arr
array([1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 0, 1, 0, 0, 1, 0,
       1, 1, 0, 0, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1,
       1, 1, 1, 1, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1,
       0, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 0, 1,
       1, 1, 1, 0, 1, 1, 1, 1])

---

请注意，与二项式方法不同，这种方法将为您提供所请求的0/1的确切比例。如果你不需要精确的比例，那么二项式方法就可以了。

如果我正确理解你的问题，你可能会得到一些帮助

---

另一种方法是使用：

---

简单一行：你可以避免使用整数和概率分布的列表，在我看来，这些列表对于这个问题来说是不直观的，也是多余的，只要先使用

bool

s，然后在必要时转换为

int

（尽管在大多数情况下，将其保留为

bool

数组就可以了）

>>将numpy作为np导入
>>>np.随机。随机（9）<1/3。
数组（[False，True，True，True，False，False，False，False]）
>>>（np.随机。随机（9）<1/3。）A型（int）
数组（[0,0,0,0,0,0,1,0,0,0,1]）

获取1和0的确切数量的另一种方法是使用

np.random.choice对索引进行采样，而不进行替换

arr_len = 30
num_ones = 8

arr = np.zeros(arr_len, dtype=int)
idx = np.random.choice(range(arr_len), num_ones, replace=False)
arr[idx] = 1

输出：

您是否需要比例正好是给定的值，或者这只是样本的预期比例？另外，当
size
不能被3整除时，1/3的情况会发生什么？例外？圆形/地板/特鲁克？加权随机轮（因此10有2/3的机会为3，1/3的机会为4）？@WarrenWeckesser，这是我的情况下的预期比例。我希望你没有删除你的答案，这样我就接受了。@Naji:我恢复了我的答案。如果你需要精确的比例，这个方法就行不通了。@Naji:你想要什么都行？我希望它能产生一万亿美元，而它给我的只是一个数组。我想我还没有完全相信我真蠢！对，我忘了二进制分布。事实上，有人在你之前发布了二进制文件，但他删除了他的答案（不知道为什么！！）这很聪明，注意这种方法不会给出你所请求的0和1的确切比例。下面@mdml给出的答案是will.true，既然它被接受了，我想Cupitor可能在他的program@JFFIGK，dbliss：在对问题的评论中对此进行了讨论。这些评论仍然存在，请看一看。这并不能保证像mdml的答案那样正确的评论比例。@John，这在问题的评论中已经讨论过了。看一看，我现在明白了！当然，这个问题需要编辑，因为它要求具体的比例。这并不能保证mdml答案中正确的比例。OP说他们希望1/3是1的预期比例，而不是确切的比例。
>>> np.random.choice([0, 1], size=(10,), p=[1./3, 2./3])
array([0, 1, 1, 1, 1, 0, 0, 0, 0, 0])

>>> import numpy as np
>>> np.random.random(9) < 1/3.
array([False,  True,  True,  True,  True, False, False, False, False])   
>>> (np.random.random(9) < 1/3.).astype(int)
array([0, 0, 0, 0, 0, 1, 0, 0, 1])    

arr_len = 30
num_ones = 8

arr = np.zeros(arr_len, dtype=int)
idx = np.random.choice(range(arr_len), num_ones, replace=False)
arr[idx] = 1

arr

array([0, 0, 0, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 1,
       0, 0, 0, 0, 0, 1, 0, 0])