在Python中模拟多个给定概率的最快方法？

我有一个概率列表

p=[p1，p2，…，pn]

我所要做的就是模拟一个列表

s=[0，1，0，0，1，…，1]

，它的第一个元素是

0

，概率为

p1

，1概率为

1-p1

，然后对下一个元素进行模拟，始终匹配

p

-列表中的相应概率

目前，我的解决方案是将

for loop

覆盖

p

，然后将

s

中对每个

pn

调用的

np.random.choice（）

的输出附加到

s

s = []
for item in p:
    s.append(np.random.choice([0, 1], p=[item, 1 - item]))

---

你只需要画出你的数字，并在元素方面与你的p进行比较。 只需决定是要为

1

选择

还是

=

import numpy as np

p = np.array([0.2, 0.5, 0, 1.0, 0.9, 0.3, 0.1, 0.8])
x = np.random.random(size=p.shape)
ans = (x>p).astype('int')

print(p)
print(x)
print(ans)


[0.2 0.5 0.  1.  0.9 0.3 0.1 0.8]
[0.08990063 0.51804083 0.9049705  0.0885368  0.1273564  0.18583925
 0.51488052 0.23258143]
[0 1 1 0 0 0 1 0]

---

能否将当前解决方案添加为代码，而不是解决方案的描述？最好作为一个整体。@MichaelSzczesny DoneAh是的，使用均匀分布。非常感谢。