Python Scipy统计数据，如何让它更快/可能吗？

我目前正在使用以下代码：

prob = scipy.stats.norm(mu, np.sqrt(sigma)).pdf(o)  # korrekt
    return prob

我不认为我解释变量有多大用处，但mu是期望值，sigma是我的方差，o是观察值，我想找出给定观察值的概率。它是有效的，但是它非常慢，因为我多次调用它，我从正态分布中得到了更快的结果，并从中获得了概率

我的问题: 有没有更聪明的方法来调用此函数？

有两种方法

矢量化

利用scipy/numpy在阵列上执行计算这一事实

import numpy as np
from scipy.stats import norm

observations = np.random.rand(1000)
mu = np.mean(observations)
sigma = np.var(observations)
norm(mu, np.sqrt(sigma)).pdf(observations)

列表理解

这要慢得多，但如果你的观察结果在列表中，那么你可以

list_of_observations = list(np.random.rand(1000))
mu = np.mean(list_of_observations)
sigma = np.var(list_of_observations)
prob = [norm(mu, np.sqrt(sigma)).pdf(o) for o in list_of_observations]

…但是将列表转换为数组并使用前一种解决方案很容易，因为您可以使用前一种解决方案将列表转换为数组

norm(mu, np.sqrt(sigma)).pdf(np.asarray(list_of_observations))

---

另外请注意，如果您自己计算方差（

sigma

），那么您可以直接使用

np.std（）

来获得标准偏差，而不是使用

np.var（）

。您的多个

o

观测值是如何存储的？如果它们在一个列表中，那么你可以尝试使用。mu和sigma对于所有观察值都是常数吗？谢谢你的回答，我将不得不使用最后一个，我不允许在我的解决方案中使用平均值，我将尝试看看我得到了什么！我已经阐明了如何从列表中使用矢量化解决方案。恐怕我不明白你所说的“不允许在我的解决方案中使用手段”是什么意思。我特意直接从数据本身计算均值和方差，只是为了说明，如果你已经从其他数据/参数中得到了均值和方差，那么你可以使用它们。