Python 在Scipy中，为什么具有统一概率的custom.rvs（）只返回起始区域中的值？

如果我生成一个数组

custom=np.ones(800, dtype=np.float32)

然后使用

custom=normalize(custom)[0]
customPDF = stats.rv_discrete(name='pdfX', values=(np.arange(800), custom))

那么如果我使用

customPDF.rvs()

我得到的返回值范围为0-20，而我期望随机数从0到800不等

下面的代码提供了所需的输出

random.uniform(0,800) 

但是由于必须能够通过改变自定义数组来操纵概率分布，我不得不使用customPDF.rvs（）

有没有解决办法或者为什么会发生这种情况

---

---

问题在于这一行：

custom=normalize(custom)[0]

根据警告，它看起来像是

normalize

所指<代码>规格化需要一个

[n_样本，n_特征]

二维数组-由于您给它一个1D向量，它将插入一个新维度，并将其视为

[1，n_特征]

数组（因此您要为输出的第0个元素编制索引）

默认情况下，它会将每行要素的长度调整为1。这与将元素总和设为1不同：

print(normalize(np.ones(800))[0].sum())
# 28.2843

由于

custom

的和远大于1，因此在概率向量结束之前，绘制特定整数的累积概率达到1：

print(custom.cumsum().searchsorted(1))
# 28

其结果是，您永远不会绘制大于28的整数：

print(customPDF.rvs(size=100000).max())
# 28

为了规范化

自定义

您应该做的是除以其总和：

custom /= custom.sum()

# or alternatively:
custom = np.repeat(1./800, 800)

---

问题在于这一行：

custom=normalize(custom)[0]

根据警告，它看起来像是

normalize

所指<代码>规格化需要一个

[n_样本，n_特征]

二维数组-由于您给它一个1D向量，它将插入一个新维度，并将其视为

[1，n_特征]

数组（因此您要为输出的第0个元素编制索引）

默认情况下，它会将每行要素的长度调整为1。这与将元素总和设为1不同：

print(normalize(np.ones(800))[0].sum())
# 28.2843

由于

custom

的和远大于1，因此在概率向量结束之前，绘制特定整数的累积概率达到1：

print(custom.cumsum().searchsorted(1))
# 28

其结果是，您永远不会绘制大于28的整数：

print(customPDF.rvs(size=100000).max())
# 28

为了规范化

自定义

您应该做的是除以其总和：

custom /= custom.sum()

# or alternatively:
custom = np.repeat(1./800, 800)

---

请添加您的导入。您正在使用几个不知从何而来的函数。请添加您的导入。您正在使用一些不知从何而来的函数。