Skip to main content
 首页 » 编程设计

python之允许 64 位或更多位的 numpy.random.binomial 的替代方案

2024年11月01日9www_RR

我需要根据二项分布随机生成一系列数字。 Numpy 的随机套件提供了一种方法来执行此操作,但不幸的是,它似乎仅限于处理 n 值的 32 位数字,我想使用该范围之外的值。 64 位应该足够了,尽管任意更高的精度也可以。

示例输出:

>>> np.random.binomial(1<<40, 0.5) 
Traceback (most recent call last): 
  File "<stdin>", line 1, in <module> 
  File "mtrand.pyx", line 3506, in mtrand.RandomState.binomial (numpy\random\mtrand\mtrand.c:16555) 
OverflowError: Python int too large to convert to C long 

有没有我可以使用的替代方案?或者让 numpy 在此随机生成器内部使用 64 位数字的方法?

还是我需要自己准备好自己的车?

(正如 Robert Klein 所指出的,numpy 确实在除 Windows 之外的 64 位平台上执行 64 位操作;不幸的是我使用的是 Windows)。

请您参考如下方法:

在 C long 整数为 64 位的机器上,numpy.random.binomial() 将接受并生成 64 位整数。大多数 64 位平台(Windows 除外)都是这样。例如,在我的 64 位 OS X 机器上:

[~] 
|11> np.random.binomial(1 << 40, 0.5) 
549755265539 
 
[~] 
|12> np.random.binomial(1 << 40, 0.5) > (1<<32) 
True 

或者,如果您卡在 Windows 上,请考虑使用 Normal Approximation到二项分布。在如此大的 n 下,近似值应该非常好。

def approx_binomial(n, p, size=None): 
    gaussian = np.random.normal(n*p, sqrt(n*p*(1-p)), size=size) 
    # Add the continuity correction to sample at the midpoint of each integral bin. 
    gaussian += 0.5 
    if size is not None: 
        binomial = gaussian.astype(np.int64) 
    else: 
        # scalar 
        binomial = int(gaussian) 
    return binomial