python中的概率函数卷积

有N个分布，它们取整数值0，...以及相关的概率。此外，我假定3个变量[值，概率]：python中的概率函数卷积

import numpy as np 
x = np.array([ [0,0.3],[1,0.2],[3,0.5] ]) 
y = np.array([ [10,0.2],[11,0.4],[13,0.1],[14,0.3] ]) 
z = np.array([ [21,0.3],[23,0.7] ])

由于有N个变量余卷积第一X + Y，则我添加Z，等等。不幸的是，numpy.convole（）把一维数组作为输入变量，所以它不适合在这种情况下直接使用。我玩变数，把他们的所有值0,1,2，...，23（如果值不知道，那么Pr = 0）...我觉得还有另一个更好的解决方案。

有没有人有建议让它更有效率？提前致谢。

来源

2016-12-14 dmitry

我在Scipy中看不到这种内置方法;有一种方法可以定义一个自定义的离散随机变量，但不支持添加。下面是使用熊猫的方法，假设import pandas as pd和x,y,z在你的例子：

values = np.add.outer(x[:,0], y[:,0]).flatten() 
probs = np.multiply.outer(x[:,1], y[:,1]).flatten() 
df = pd.DataFrame({'values': values, 'probs': probs}) 
conv = df.groupby('values').sum() 
result = conv.reset_index().values

输出是

array([[ 10. , 0.06], 
     [ 11. , 0.16], 
     [ 12. , 0.08], 
     [ 13. , 0.13], 
     [ 14. , 0.31], 
     [ 15. , 0.06], 
     [ 16. , 0.05], 
     [ 17. , 0.15]])

拥有两个以上的变量，你不必去来回之间numpy和熊猫：在开始时可以包含附加变量。

values = np.add.outer(np.add.outer(x[:,0], y[:,0]), z[:,0]).flatten() 
probs = np.multiply.outer(np.multiply.outer(x[:,1], y[:,1]), z[:,1]).flatten()

旁白：这将是更好地保持在单独numpy的数组值和概率，如果他们有不同的内部数据类型（整数VS实数）。

来源

2016-12-14 16:56:21 FTP

python中的概率函数卷积

回答

相关问题