从 Python 中的正态分布生成数字

Question

我正在尝试使用针对 Marsaglia 极坐标方法的 Box–Muller 变换来测试从正态分布生成数字的速度。据说 Marsaglia 极坐标法被认为比 Box–Muller 变换更快，因为它不需要计算 sin 和 cos。然而，当我在 Python 中编码时，这不是真的。有人可以证实这一点或向我解释为什么会这样吗？

def marsaglia_polar():
    while True:
        x = (random.random() * 2) - 1
        y = (random.random() * 2) - 1
        s = x * x + y * y
        if s < 1:
            t = math.sqrt((-2) * math.log(s)/s)
            return x * t, y * t

def box_muller():
    u1 = random.random()
    u2 = random.random()

    t = math.sqrt((-2) * math.log(u1))
    v = 2 * math.pi * u2

    return t * math.cos(v), t * math.sin(v)

Answer 1

对于"fun"，我是用go写的。 box_muller 函数在那里也更快。此外，它比 python 版本快大约 10 倍。

package main

import (
    "fmt"
    "math"
    "math/rand"
    "time"
)

func main() {
    rand.Seed(time.Now().UnixNano())
    now := time.Now()
    for i := 0; i < 1000000; i++ {
        marsaglia_polar()
    }
    fmt.Println("marsaglia_polar duration = ", time.Since(now))
    now = time.Now()
    for i := 0; i < 1000000; i++ {
        box_muller()
    }
    fmt.Println("box_muller duration      = ", time.Since(now))
}

func marsaglia_polar() (float64, float64) {
    for {
        x := random() * 2 - 1;
        y := random() * 2 - 1;
        s := x * x + y * y;
        if s < 1 {
            t := math.Sqrt((-2) * math.Log(s)/s);
            return x * t, y * t
        }
    }
}

func box_muller() (float64, float64) {
    u1 := random()
    u2 := random()
    t := math.Sqrt((-2) * math.Log(u1))
    v := 2 * math.Pi * u2
    return t * math.Cos(v), t * math.Sin(v)
}

func random() float64 {
    return rand.Float64()
}

输出：

marsaglia_polar duration =  104.308126ms
box_muller duration      =  88.365933ms

从 Python 中的正态分布生成数字

Generating numbers from normal distribution in Python

python

normal-distribution