Python scipy rv_连续非常慢

我正在使用一个自定义函数

f（x）

来定义使用

copy

的

rv_continuous

类的自定义分发。我的代码是

class my_pdf_gen(rv_continuous):
    def _pdf(self, x, integral):
        return f(x)/integral

其中

积分

确保标准化。我可以用

my_pdf = my_pdf_gen(my_int,a = a, b = b, name = 'my pdf')

使用

a，b

值范围的上限和下限，以及

my_int=scipy.integrate.quad（f，a，b）[0]

。 我还可以使用

my_pdf.rvs（my_int，size=5）

创建数据的随机样本，但速度非常慢。（当

size=9时，最长可达6秒）

我读到，还应该覆盖类中的一些其他方法（如
\u ppf
），但从示例中，我发现我不清楚如何在我的示例中实现它

非常感谢
 由于通用实现对cdf进行根求解，而cdf本身使用数值积分，因此预计速度会很慢

因此，您最好的选择是提供
\u ppf
或
\u rvs
实现。如何做到这一点在很大程度上取决于
f（x）
的细节。如果不能解析<代码> f（x）＝r<／代码>，考虑列表/逆插值或拒绝采样。< /P> < P>我通过改变方法和使用蒙特卡罗拒绝抽样方法< /P>解决了问题。
def rejection_sampler(p,xbounds,pmax):
    while True:
        x = np.random.rand(1)*(xbounds[1]-xbounds[0])+xbounds[0]
        y = np.random.rand(1)*pmax
        if y<=p(x):
            return x

def拒绝_取样器（p、xbounds、pmax）：
尽管如此：
x=np.random.rand（1）*（xbounds[1]-xbounds[0]）+xbounds[0]
y=np.随机随机随机数（1）*pmax
如果你每次都重新计算积分吗？@severinpapadeux因为计算起来可能有点棘手，我把它存储在一个值中，每次都调用它OK，所以下一次重新实现将是_ppf，它实际上是逆CDF，采样基本上是
返回ppf（randomU01）。我还建议你看看你所拥有的，并看到所有的东西都是矢量化的（它可能需要一个数值的numpy向量和结果的返回向量）。否则，您将看到函数的多个调用