意外 scipy.stats.uniform 行为

Question

考虑代码：

import scipy.stats as ss
x = ss.uniform.rvs(np.zeros(5),np.array([1,2,3,4,5]))

我找到了 documentation for scipy.stats a bit sparse. From what I can tell, I think the above code is supposed to pick a random number between each of [0,1], [0,2], [0,3], [0,4], and [0,5]. Here is the documentation for rvs and uniform。

相反，它在 [0,1] 和 returns 中选择一个随机数 p [p,2p,3p,4p,5p]:

print x, np.diff(x)
[ 0.79352054  1.58704108  2.38056162  3.17408215  3.96760269] 
[ 0.79352054  0.79352054  0.79352054  0.79352054]

这是与种子相关的错误吗？还是这种行为是预期的？

编辑：我知道很容易解决这个问题；无需告诉我如何：x=ss.uniform.rvs(size=5)*np.arange(1,5)。这个错误或功能让我在较大的程序中花费了几天的时间进行混淆和调试。

Answer 1

这是一个错误：https://github.com/scipy/scipy/issues/2069

您的示例的另一种解决方法是明确提供 size 参数以及您已经在使用的参数。

例如，这是越野车案例：

In [1]: import scipy.stats as ss

In [2]: x = ss.uniform.rvs(np.zeros(5), np.array([1,2,3,4,5]))

In [3]: x
Out[3]: array([ 0.23848443,  0.47696885,  0.71545328,  0.9539377 ,  1.19242213])

In [4]: x/x[0]
Out[4]: array([ 1.,  2.,  3.,  4.,  5.])

解决方法是包含参数 size=5:

In [18]: x = ss.uniform.rvs(np.zeros(5), np.array([1,2,3,4,5]), size=5)

In [19]: x
Out[19]: array([ 0.67638863,  1.2253443 ,  0.0812362 ,  3.87469514,  3.88145975])

In [20]: x/x[0]
Out[20]: array([ 1.        ,  1.81159802,  0.12010285,  5.72850428,  5.73850534])

Answer 2

在我看来，问题出在 uniform.rvs 中，它试图同时处理 *args 和 size。如果我首先创建一个 uniform 对象，然后调用 rvs 它似乎表现得很好。

为了在 [0,1]、[5,7]、[10,13) 范围内产生 3 个均匀分布，我可以定义一个范围从 0,5 开始的 uniform 对象， 10，和范围集 1,2,3:

In [543]: u=stats.uniform(np.array([0,5,10]),np.array([1,2,3]))

现在我可以生成具有兼容尺寸 3 维度的任何尺寸分布：

In [544]: x = u.rvs((5,3))
In [545]: x
Out[545]: 
array([[  0.28689704,   6.60720428,  12.78343224],
       [  0.3058824 ,   6.22486472,  11.5212319 ],
       [  0.32274603,   6.72905376,  10.90760859],
       [  0.98299464,   5.39877562,  12.00342556],
       [  0.76728063,   5.26172895,  10.38177301]])
In [546]: x.mean(axis=0)
Out[546]: array([  0.53316015,   6.04432547,  11.51949426])

这可能只是解决 stats.uniform.rvs 调用中缺少的 size 参数的另一种方法。

意外 scipy.stats.uniform 行为

Unexpected scipy.stats.uniform behaviour

statistics

numpy

scipy