Python 生成具有给定（数值）分布矩阵的随机向量

我试图想出一种从分布矩阵生成随机向量的快速而智能的方法，就像这里讨论的那样：

但关键的区别在于我有一个分布矩阵，而不仅仅是一个向量

现在很明显，我可以在矩阵中的每个向量上创建一个for循环和循环，但这看起来不是很像python，也不是很快，所以我有点希望有更好的方法

举一个我想做的简单例子： 给定一个单概率矩阵

p = [[0.2, 0.4, 0.4],[0.1, 0.7, 0.2],[0.44, 0.5, 0.06],...]

我想画元素，每个元素在概率矩阵中以概率进行选择。（本质上，我想从我的一个概率矩阵生成一个单热编码）。 例如，考虑到上述概率，它可能是这样的：

t = [2,1,2,...]

我需要对长序列执行此操作，我需要执行数百万次，但每次仅对每个序列执行一次。（用于深度学习的数据扩充）

---

有人有好的方法吗？

您可以使用逆变换采样。计算p矩阵上的累积分布，对一个大小等于矩阵高度的随机向量进行采样，然后沿累积矩阵的每一行返回最大索引。代码：

p = np.array([[0.2, 0.4, 0.4],[0.1, 0.7, 0.2],[0.44, 0.5, 0.06]])
u = np.random.rand(p.shape[0])
idxs = (p.cumsum(1) < u).sum(1)

---

我想那会管用的耶！感谢这似乎与mathfux链接中发布的策略相同，而且似乎是一个很好的解决方案。谢谢

np.histogram((p[0].cumsum() < np.random.rand(10000,1)).sum(1), bins=3)
# array([1977, 4018, 4005]), ...