我有大量彼此独立的概率。除了每次在循环中随机调用 numpy 之外，是否有一种有效的方法可以根据这些概率中的每一个生成 0 或 1？我每次只需要一次试验的结果，但对于每个概率。
# current method using np.random.binomial()
n = 1
p = np.random.random(1000) #generating 1000 probabilities
results = np.zeros(1000)
for ix, i in enumerate(p):
results[ix] = np.random.binomial(n,i,1)
是否有更快的方法或函数可以采用一组独立的概率(因此不是随机选择，因为概率不会加起来为 1)。
请您参考如下方法:
np.random.binomial 的p 参数允许像列表一样，当它是这样时，它表示每个样本的 p 值。此外，当像这样使用列表时，您甚至不需要提供您期望的样本总数:您只需为 p 中的每个值获取一个。
results = np.random.binomial(n, p)
还有一些例子可以证明这一点:
In [1]: np.random.binomial(1, 0.5)
Out[1]: 1
In [2]: np.random.binomial(1, [0.5, 0.5, 0.9])
Out[2]: array([0, 0, 1])
