有效地生成两个具有依赖性的随机样本的方法答案

【问题标题】：the way of efficiently generating two random samples with dependency有效地生成两个具有依赖性的随机样本的方法
【发布时间】：2021-08-12 11:03:15
【问题描述】：

我想生成两组变量，h_min 和 h_max，

h_max = [h_max_1, h_max_2, …h_max_2000]
h_min = [h_min_1, h_min_2,… h_min_2000]

h_max的每个元素都是基于均匀分布生成的，即

h_max = np.random.uniform(0,  20, 2000).

对于每个元素h_min_i，应该根据范围为0的均匀分布生成，对应的h_max_i，即h_min_i = np.random.uniform(0, h_max_i) 不使用迭代，如何高效生成h_min

【问题讨论】：

标签： python-3.x numpy random scipy

【解决方案1】：

numpy.random.uniform 函数允许第一个和/或第二个参数是一个数组，而不仅仅是一个数字。它们的工作方式完全符合您的预期：

h_max=np.random.uniform(0,20,2000)
h_min=np.random.uniform(0,h_max,2000)

但是，numpy.random.* 函数，例如 numpy.random.uniform，已成为 NumPy 1.17 的遗留函数，出于向后兼容性的原因，它们的算法预计将保持原样。但是，该版本并未弃用任何 numpy.random.* 函数，因此它们暂时仍然可用。另见this question。

在较新的应用程序中，您应该使用 1.17 版中引入的新系统，包括 numpy.random.Generator，如果您拥有该版本或更高版本。新系统的一个优点是应用程序较少依赖全局状态。 Generator 也有一个 uniform 方法，其工作方式与旧函数 numpy.random.uniform 大致相同。以下示例使用 Generator 并适用于您的情况：

gen=np.random.default_rng() # Creates a default Generator
h_max=gen.uniform(0,20,2000)
h_min=gen.uniform(0,h_max,2000)

【讨论】：