Python 使用numpy.random.multivariable_normal（平均值，cov[，大小]）绘制多个样本

使用numpy函数

numpy.random.multivariable\u normal（）

，如果我给出平均值和协方差，我就能够从多元高斯分布中抽取随机样本

例如,

import numpy as np
mean = np.zeros(1000)  # a zero array shaped (1000,)
covariance = np.random.rand(1000, 1000) 
# a matrix of random values shaped (1000,1000)
draw = np.random.multivariate_normal(mean, covariance)
# this outputs one "draw" of a multivariate norm, shaped (1000,)

上述函数从多元高斯形状的

（1000，）

（协方差矩阵的形状为

10001000）

）输出一个“绘图”

我想要200张。如何做到这一点？我会创建一个列表，但我不知道如何创建迭代

编辑：两者之间有区别吗

draw_A = np.random.rand(1000, 1000, 200)

及

?

---

是的，

draw\u B

是一个列表，但是它们都是200个独立的绘图形状

10001000）

？

您注意到列表中的

size

参数了吗

例如，此调用从三维分布生成5个样本：

In [22]: np.random.multivariate_normal(np.zeros(3), np.eye(3), size=5)
Out[22]: 
array([[ 1.08534253,  0.70492174, -0.8625333 ],
       [ 0.16955737, -0.89453284,  0.8347796 ],
       [ 0.49506717, -1.18087912, -0.89118919],
       [-0.97837406, -0.42304268,  0.4326744 ],
       [-1.18836816,  1.33389231,  0.23616035]])

---

对问题的答复：

• np.random.rand（d0，d1，d2）

  从[0，1]上的单变量均匀分布中随机抽取

  d0*d1*d2

  ，并以形状

  （d0，d1，d2）

  的数组返回它们

• np.random.multivariable\u normal（mean，cov，size=n）

  ，其中

  mean

  是一个具有形状

  （m，）

  的数组，

  cov

  是一个具有形状

  （m，m）

  的数组，使

  n

  从多元正态分布中提取，并将其作为具有形状

  （n，m）的数组的行返回

  。您的列表理解

  draw_B

  还从多元正态分布中提取样本，每个函数调用一个样本，它将样本放入列表而不是数组中

---

是的，我注意到了这一点。请参阅我上面的编辑以获得澄清。

draw\u A

是否与

draw\u B

相同？

In [22]: np.random.multivariate_normal(np.zeros(3), np.eye(3), size=5)
Out[22]: 
array([[ 1.08534253,  0.70492174, -0.8625333 ],
       [ 0.16955737, -0.89453284,  0.8347796 ],
       [ 0.49506717, -1.18087912, -0.89118919],
       [-0.97837406, -0.42304268,  0.4326744 ],
       [-1.18836816,  1.33389231,  0.23616035]])