大佬教程收集整理的这篇文章主要介绍了Numpy 随机数生成器和 lambda 函数,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
我正在尝试创建一个随机变量列表 wtfuns
,我可以将其调用为:wtfuns[i](size=1000)
以返回特定随机变量的 1000 个样本的列表。为此,我使用 lambda 函数如下:
wtfuns = []
pvals = [0.3,0.5,0.7]
for p in pvals:
wtfuns.append(('bernoulli p='+str(p),lambda **x: binom(p,**X)))
for i in range(3):
print(wtfuns[i][1](size=1000).mean())
输出
0.686
0.684
0.706
也就是说,在 wtfuns[:,1]
列中,我有相同的二项式随机变量,参数为 0.7。然而,
for p in pvals:
print(wtfuns[0][1](size=1000).mean())
生产
0.311
0.524
0.67
以某种方式将 p 值通过引用传递给 lambda 函数。到底是怎么回事?我完全糊涂了。
是的,您的第一个定义捕获了对 p
的引用。随着 p
的变化,函数也会发生变化。解决方案是使用将 lambda 转换为闭包的技巧:
wtfuns.append(('bernoulli p='+str(p),lambda p=p,**x: binom(p,**X)))
“p=p”事物将 p 的当前值捕获到一个局部变量中,该局部变量随函数一起携带。
以上是大佬教程为你收集整理的Numpy 随机数生成器和 lambda 函数全部内容,希望文章能够帮你解决Numpy 随机数生成器和 lambda 函数所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。