Python/Numpy/Scipy: disegna i valori casuali di Poisson con lambda diverso

Question

Il mio problema è estrarre nel modo più efficiente i valori casuali di N Poisson (RV) ciascuno con un diverso rapporto/tariffa Lam. Fondamentalmente il size(RV) == size(Lam).

Qui si tratta di un ingenuo (molto lento) implementazione:

import numpy as NP 

def multi_rate_poisson(Lam): 
    rv = NP.zeros(NP.size(Lam)) 
    for i,lam in enumerate(Lam): 
     rv[i] = NP.random.poisson(lam=lam, size=1) 
    return rv 

Che, sul mio portatile, con i campioni 1E6 dà:

Lam = NP.random.rand(1e6) + 1 
timeit multi_poisson(Lam) 
1 loops, best of 3: 4.82 s per loop 

E 'possibile migliorare da questo?

Answer 1

Sebbene le docstring non documentino questa funzionalità, lo source indica che è possibile passare un array alla funzione numpy.random.poisson.

>>> import numpy 
>>> # 1 dimension array of 1M random var's uniformly distributed between 1 and 2 
>>> numpyarray = numpy.random.rand(1e6) + 1 
>>> # pass to poisson 
>>> poissonarray = numpy.random.poisson(lam=numpyarray) 
>>> poissonarray 
array([4, 2, 3, ..., 1, 0, 0]) 

I rendimenti poisson random variable multipli discrete di uno, e approssima una curva a campana lambda cresce oltre uno.

>>> import matplotlib.pyplot 
>>> count, bins, ignored = matplotlib.pyplot.hist(
      numpy.random.poisson(
        lam=numpy.random.rand(1e6) + 10), 
        14, normed=True) 
>>> matplotlib.pyplot.show() 

Questo metodo di passare la matrice al generatore di poisson sembra essere abbastanza efficiente.

>>> timeit.Timer("numpy.random.poisson(lam=numpy.random.rand(1e6) + 1)", 
       'import numpy').repeat(3,1) 
[0.13525915145874023, 0.12136101722717285, 0.12127304077148438]