Python 为什么numpy.random.dirichlet（）不接受多维数组？

在这方面，他们举了一个例子

s = np.random.dirichlet((10, 5, 3), 20)

这一切都是美好而伟大的；但是，如果您想从二维alpha数组生成随机样本，该怎么办

alphas = np.random.randint(10, size=(20, 3))

如果您尝试

np.random.dirichlet（alphas）

，

np.random.dirichlet（[x代表x在alphas中]）

，或

np.random.dirichlet（[x代表x在alphas中]）

，则会导致

ValueError:对象对于所需数组太深

。唯一有效的办法是：

y = np.empty(alphas.shape)
for i in xrange(np.alen(alphas)):
    y[i] = np.random.dirichlet(alphas[i])
    print y

…对于我的代码结构来说，这远远不是理想的。为什么会是这种情况，有人能想出一种更像“裸体”的方式吗

---

提前谢谢。

我想你在找

y = np.array([np.random.dirichlet(x) for x in alphas])

---

为了你对清单的理解。否则，您只需传递一个python列表或元组。我想

numpy.random.dirichlet

不接受您的alpha值列表的原因是因为它没有设置为-它已经接受一个数组，根据文档，它希望数组的维度为

k

np.random.dirichlet

用于为单个dirichlet分布生成样本。该代码根据Gamma分布实现，并且该实现可以用作矢量化代码的基础，以从不同分布生成样本。在下面的示例中，

dirichlet_sample

采用一个具有形状（n，k）的数组

alphas

，其中每一行都是dirichlet分布的

alpha

向量。它还返回一个具有形状（n，k）的数组，每一行都是

alphas

中相应分布的样本。当作为脚本运行时，它使用

dirichlet_sample

和

np.random.dirichlet

生成样本，以验证它们是否生成相同的样本（最大为正常浮点差）

样本运行：

dirichlet_sample:
[[ 0.38980834  0.4043844   0.20580726]
 [ 0.14076375  0.26906604  0.59017021]
 [ 0.64223074  0.26099934  0.09676991]
 [ 0.21880145  0.33775249  0.44344606]
 [ 0.39879859  0.40984454  0.19135688]
 [ 0.73976425  0.21467288  0.04556287]]
np.random.dirichlet:
[[ 0.38980834  0.4043844   0.20580726]
 [ 0.14076375  0.26906604  0.59017021]
 [ 0.64223074  0.26099934  0.09676991]
 [ 0.21880145  0.33775249  0.44344606]
 [ 0.39879859  0.40984454  0.19135688]
 [ 0.73976425  0.21467288  0.04556287]]
max difference: 5.55111512313e-17

---

这看起来更好，但不比OP的方法快。谢谢，@BhajunSingh。有没有一种方法可以使用

np.fromiter

来实现这一点，以最小化python

for

循环的开销？事实上，循环理解比OP的循环慢。。。不知道为什么。谢谢，@WarrenWeckesser。我试试看。

dirichlet_sample:
[[ 0.38980834  0.4043844   0.20580726]
 [ 0.14076375  0.26906604  0.59017021]
 [ 0.64223074  0.26099934  0.09676991]
 [ 0.21880145  0.33775249  0.44344606]
 [ 0.39879859  0.40984454  0.19135688]
 [ 0.73976425  0.21467288  0.04556287]]
np.random.dirichlet:
[[ 0.38980834  0.4043844   0.20580726]
 [ 0.14076375  0.26906604  0.59017021]
 [ 0.64223074  0.26099934  0.09676991]
 [ 0.21880145  0.33775249  0.44344606]
 [ 0.39879859  0.40984454  0.19135688]
 [ 0.73976425  0.21467288  0.04556287]]
max difference: 5.55111512313e-17