Python中独立概率的有效随机0,1生成

我有大量相互独立的概率。除了在循环中每次调用numpy random之外，是否有一种有效的方法可以基于这些概率中的每一个生成0或1？我每次只需要一次试验的结果，但对于每种可能性

# current method using np.random.binomial()
n = 1
p = np.random.random(1000) #generating 1000 probabilities

results = np.zeros(1000)
for ix, i in enumerate(p):
    results[ix] = np.random.binomial(n,i,1)

是否有一种更快的方法或函数可以采用一组独立的概率（因此不是随机选择，因为概率不会增加到1）

您可以尝试以下方法：

np.where(p > np.random.rand(1000), 1, 0) 

---

p

参数to允许是类似列表的，如果是那样，它表示每个样本的

p

值。此外，当使用这样的列表时，您甚至不需要提供您期望的总样本数：您只需为

p

中的每个值获取一个样本

results = np.random.binomial(n, p)

还有一些样本可以证明这一点：

In [1]: np.random.binomial(1, 0.5)
Out[1]: 1

In [2]: np.random.binomial(1, [0.5, 0.5, 0.9])
Out[2]: array([0, 0, 1])

---

“大概率数组”还是大样本数组？请包含数组的一小部分。肯定是一个大的概率数组，在本例中，我随机生成了它们，但我将从数据中获得一组概率（值介于0到1之间），我将使用这些概率来获取样本。