如何以给定概率并基于分布更改 numpy 数组中的值？

Question

我有一个 numpy 数组，

a = np.zeros((5,2))

a = array([[0., 0.],
           [0., 0.],
           [0., 0.],
           [0., 0.],
           [0., 0.]])

目标：每个值都应该有一个变化的概率，p = 0.05，它变化到的值由均值 = 1 的正态分布样本给出， st.dev = 0.2

到目前为止，我尝试了以下 This:

a[np.random.rand(*a.shape) < 0.05] = rng.normal(loc=1,scale=0.2)

这确实会随着 p = 0.05 随机更改值，但所有值都相同，这并不理想。

那么，如何确保每个采样值都是独立的（不使用 for 循环）？

Answer 1

from scipy import stats

a = np.zeros((5,2))

a[:] = np.where(np.random.rand(*a.shape) < 0.05,
                stats.norm.rvs(loc=1,scale=0.2, size = a.shape),
                a)

如何以给定概率并基于分布更改 numpy 数组中的值？

How to change values in a numpy array with a given probability and based on a distribution?

python

arrays

random

numpy

vectorization