Python 两种随机点生成方法的差异

为了进行蒙特卡罗模拟以估计$n$维空间中两个随机点之间的预期距离，我发现以下两种生成随机点的相似方法似乎有所不同。我不知道为什么

方法1：

def expec_distance1(n, N = 10000):
  u = uniform(0,1)
  dist = 0
  for i in range(N):

      x = np.array([u.rvs() for i in range(n)])
      y = np.array([u.rvs() for i in range(n)])

      dist = (dist*i + euclidean_dist(x,y))/(i+1.0)
  return dist

方法2：

def expec_distance2(n, N = 10000):

  u = uniform(0,1)
  dist = 0
  for i in range(N):

      x = u.rvs(n)
      y = u.rvs(n)

      dist = (dist*i + euclidean_dist(x,y))/(i+1.0)
  return dist

其中，均匀分布是

scipy.stats.uniform

和

np

代表numpy

对于两种方法的100次运行（对于n=2），使用方法1，我得到$\mu=0.53810011995126483，\sigma=0.13064091613389378$ 对于方法2，$\mu=0.52155615672453093，\sigma=0.002376874304696902$

为什么两种方法之间有这么大的差异

以下是要尝试的代码：

---

（我已经用numpy替换了scipy，因为它速度更快，但与std-dev有相同的区别）

在Python 2中，列表理解泄漏了它们的循环变量

---

由于您在列表理解中循环使用

i

（

[u.rvs（）表示范围内的i（n）]

），这就是

dist=（dist*i+euclidean\u dist（x，y））/（i+1.0）中使用的
i
。（
i
始终等于
n-1
而不是主循环变量的值。）
相关注释来自此处的第一个答案：。“但是它们不同的原因是没有提供你能发布一个完整的、可运行的吗？”米凯格拉汉姆补充到帖子中。布莱奇，我想起来晚了12分钟。愚蠢的Python作用域。这在Python3中得到了修复，非常好。