Python 使用Numpy生成N维矩阵
对于某个赋值,我必须在Python 使用Numpy生成N维矩阵,python,numpy,multidimensional-array,random,probability,Python,Numpy,Multidimensional Array,Random,Probability,对于某个赋值,我必须在N随机变量上创建一个多元离散概率质量函数。我想通过创建一个数组A来实现这一点,其中每个元素表示随机变量的联合概率。如果有两个随机变量,分别具有i和j可能的值,可以通过创建一个(i*j)Numpy数组来完成,该数组中填充了随机数,其中总和=1 然而,当引入具有k可能值的额外随机变量时,这变得更加困难。在这种情况下,我需要一个I*j*kNumpy数组,再次填充随机数,其中总和等于1 假设我被赋予结构(每个随机变量的可能值的数量)作为一个列表[n1,n2,…,nN],我如何从这里
N
随机变量上创建一个多元离散概率质量函数。我想通过创建一个数组A
来实现这一点,其中每个元素表示随机变量的联合概率。如果有两个随机变量,分别具有i
和j
可能的值,可以通过创建一个(i*j)
Numpy数组来完成,该数组中填充了随机数,其中总和=1
然而,当引入具有k
可能值的额外随机变量时,这变得更加困难。在这种情况下,我需要一个I*j*k
Numpy数组,再次填充随机数,其中总和等于1
假设我被赋予结构(每个随机变量的可能值的数量)作为一个列表
[n1,n2,…,nN]
,我如何从这里创建这样一个N
维Numpy数组 我找到了以下解决方案:
def randomArray(structure):
rand_array = np.random.randint(0, 100, size=(structure))
my_sum = np.sum(rand_array)
return rand_array/my_sum
其中,
结构
是上述问题中定义的列表 我找到了以下解决方案:
def randomArray(structure):
rand_array = np.random.randint(0, 100, size=(structure))
my_sum = np.sum(rand_array)
return rand_array/my_sum
其中,
结构
是上述问题中定义的列表 如果l
是您的维度列表,您可以让
a = np.random.random(size=l)
a = a/a.sum()
如果
l
是您的维度列表,您可以让
a = np.random.random(size=l)
a = a/a.sum()
你做了什么?给我们看看密码你做了什么?给我们看看代码