Python 使用索引从numpy数组中绘制随机样本

我有一个12x12大小的numpy矩阵，包含概率。目的是使用这些概率获取随机样本，然后返回样本的索引

目前，我正在使用以下代码基于

np.random.choice

，其中grid=numpy矩阵执行此操作：

    rnd_choice = np.random.choice(grid.size, p=grid.ravel() / grid.ravel().sum())
    sample_index = np.unravel_index(rnd_choice, grid.shape)

问题是速度，因为在整个模拟过程中，我必须这样做几千次。Snakevis强调这是一个需要改进的领域，因此，我想知道是否有人对如何提高这一速度有任何想法

---

上面代码中使用的Python版本是Python 3.8。

如果需要在for循环中计算grid.ravel，因为概率在for循环的每个周期中都会发生变化，您仍然可以通过每个周期只调用一次

.ravel（）

来将计算负担降低两倍：

for cycle in loop:
    # grid gets renewed here...
    g_ravel = grid.ravel()         # do the ravel() process only once

    rnd_choice = np.random.choice(grid.size, p=g_ravel / g_ravel.sum())
    sample_index = np.unravel_index(rnd_choice, grid.shape)

以下内容似乎快了一点（在我的笔记本电脑上是x4）：

---

首先要做的是在循环外的变量中计算

p=grid.ravel（）/grid.ravel（）.sum（）

，至少在网格没有改变的情况下是这样。如果这是可能的，随机选择也可以一次计算一个完整的选择数组（替换）。不幸的是，网格需要在每个循环中计算，因为每次的概率都不同。

c = grid.ravel().cumsum()                                              
out = np.unravel_index(c.searchsorted(rng.uniform(0,c[-1])),grid.shape)