Python 使用函数填充numpy数组

我制作了一个函数，它执行随机游走模拟（

random_path

），并返回1D数组（长度

num_steps+1

）。我想使用此函数执行大量模拟（

n_sims

），然后检查我的结果。我可以使用列表和for循环执行此操作，如下所示：

simulations=[]
对于范围内的i（0，n_sims）：
当前模拟=随机路径（x，y，sigma，T，num\u步数）
模拟。附加（当前模拟）

---

这个很好用。我想知道是否有一种更像蟒蛇的方式来做这件事？是否可以仅使用numpy阵列执行此操作？也就是说，与其将

模拟设置为空列表，然后使用for循环创建阵列列表，我可以使用函数
random_path
直接初始化
模拟
，以创建一个我认为最终形状为
的阵列（n_sims，num_steps+1）
？
您可以使用列表理解：

simulations = [random_path(x, y, sigma, T, num_steps) for i in range(n_sims)]

如果不想显式使用列表，可以尝试使用
numpy.vectorize
：

import numpy as np
vect_func = np.vectorize(lambda ignored: random_path(x, y, sigma, T, num_steps))
simulations = vect_func(range(n_sims))

在这种特殊情况下，
忽略
实际上是被忽略的。
让我们假设您生成的随机游动是这样的（如果您不这样做，您可能应该）：

要进行
M
模拟，只需生成适当数量的数据点，并在正确的轴上求和：

walks = np.concatenate((np.zeros((M, 1)), np.random.normal(scale=sigma, size=(M, N)).cumsum(axis=-1)), axis=-1)

是的，对不起，我应该说得更清楚些。有没有一种不使用列表的方法可以做到这一点？@havingaball现在检查一下，这是一种更好的方法吗？
np.vectorize
是一种美化的python循环。要获得numpythonic解决方案，您需要显示一个包含有问题的函数的MCVE。List append非常“pythonic”。唯一合理的选择是创建一个大小合适的
模拟
，并执行
模拟[i]=当前sim
。如果
random\u path
足够复杂，那么迭代机制在时间上不会有太大差别。@hpaulj但不是很“numpytonic”：）谢谢，这就是我要找的。
walks = np.concatenate((np.zeros((M, 1)), np.random.normal(scale=sigma, size=(M, N)).cumsum(axis=-1)), axis=-1)