Python Monty Hall问题是否有无循环的Pandas/Numpy实施？

这更像是一个好奇的练习

若你们还并没有听说过蒙蒂霍尔问题，那个么这本伟大的著作将对此进行解释

我使用numpy在python中模拟了它：

将numpy导入为np
num_games=100000
选项=np.arange（1,4,1）
粘贴结果=0
开关\u结果=0
对于范围内的i（1，num_游戏+1）：
winning_door=np.random.randint（1,4）
first_choice=np.random.randint（1,4）
如果获胜门==第一选择：
坚持成功+=1
#移除不是获胜门或首选门的门
门到门移除=np.random.choice（选项[~np.isin（选项，[获胜门，第一选择]））
移除门后的选项=选项[~np.isin（选项，门移除）]
#将门切换到不是首选的剩余选项
切换后的第二个选项=移除一扇门的选项[~np.isin（移除一扇门的选项，第一个选项）]
如果获胜\u门==切换后的第二个\u选择\u：
开关_结果+=1

但是，这是否可以在没有for循环的情况下实现？这是我到目前为止所做的，但我不确定如何进行门切换

将numpy导入为np
num_games=100000
选项=np.arange（1,4,1）
获胜门=np.random.randint（1，4，num_游戏）
first_choice=np.random.randint（1，4，num_游戏）
stick_successions=（winding_door==第一选择）。sum（）
#移除不是获胜门或首选门的门
门到移除=？？？
移除一扇门后的选项=？？？
#将门切换到不是首选的剩余选项
开关后的第二个选项=？？？
切换成功=（获胜门==切换后的第二选择）。sum（）

您必须确定gameshow主机从游戏的每个实例中移除的门（每行

获胜门

和

第一选择

阵列），然后将

第一选择

切换到其他剩余的门。）

---

有什么想法吗？

你这里最大的问题是用面具将

选择

矢量化。这可能看起来像：

def沿_轴（arr，其中，索引，轴）取_屏蔽_：
“”“沿轴上的每个1d切片获取索引的第个非屏蔽元素”“”
断言where.dtype==bool
断言索引。形状[轴]==1
#np.searchsorted会更快，但不会矢量化
无掩码_索引=（其中.cumsum（axis=axis）>索引）.argmax（axis=axis）
unmasked_index=np.扩展_dims（unmasked_index，axis=axis）#argmax无keepdims的变通方法
返回np。沿_轴取_（arr，无掩码_索引，轴=轴）
def随机_选择_屏蔽_沿_轴（arr，其中，轴）：
“”“如上所述，但通过统一的随机数选择索引”“”
断言where.dtype==bool
index=np.random.sample（arr.shape[：axis]+（1，）+arr.shape[axis+1:]）*where.sum（axis=axis，keepdims=True）
返回沿_轴（arr，其中，索引，轴=轴）屏蔽的获取_

使代码的第一部分类似于

options\u broadcast=np.broadcast\u to（选项，（3，num\u游戏））
可移动=（选项！=选项广播）和（选项！=选项广播）
门到移除=沿轴随机选择屏蔽（选项广播，其中=移除，轴=0）

用

（option==winning\u door）|（option==first\u choice）

替换

np.isin（options[winning\u door，first\u choice]）

可能会对您有所帮助<代码>选项没有矢量化，所以我认为总体答案是“否”。当然，你可以使用

np.vectorize

，但这基本上只是一个循环，速度也差不多。这是一个连续的过程吗？记住，我们并不是在移除循环；我们只是将它们转移到编译代码中。但从Python程序员的角度来看，操作从顺序变为并行，所有步骤和决策同时发生。感谢各位的见解！我想你是对的，使用索引仍然只是循环。