如何在Python中生成指定形状的正态分布Sobol序列数组？

要生成和Z = np.random.normal(0.0, 1.0, [5, 10, 4])等价的Sobol序列正态分布数组，核心是理解MultivariateNormalQMC的输出结构，再通过重塑形状匹配目标维度，具体实现如下：

核心逻辑 #

MultivariateNormalQMC.random(n_samples)会输出(n_samples, dim)形状的数组，其中dim对应多元正态分布的维度（即目标数组的最后一维4）。目标数组的总独立样本数为5*10=50，生成后将结果重塑为(5,10,4)即可。

代码实现 #

import numpy as np
from scipy.stats.qmc import MultivariateNormalQMC

# 定义标准多元正态参数：4维全0均值，4x4单位协方差矩阵（保证各维度独立同分布）
mean = np.zeros(4)
cov = np.eye(4)

# 初始化基于Sobol序列的多元正态QMC生成器
mvn_qmc = MultivariateNormalQMC(mean=mean, cov=cov, engine="sobol")

# 生成50个4维样本（对应目标数组的5*10个元素组）
samples = mvn_qmc.random(n_samples=5*10)

# 重塑为目标形状(5,10,4)
Z_qmc = samples.reshape(5, 10, 4)

# 验证形状
print(Z_qmc.shape)  # 输出: (5, 10, 4)

关键说明 #

• engine="sobol"显式指定使用Sobol序列（这是MultivariateNormalQMC的默认引擎，可省略，但声明后更清晰）。
• 单位协方差矩阵np.eye(4)确保每个维度的变量独立服从标准正态，和np.random.normal的行为完全一致。
• 重塑形状时保留最后一维的维度不变，前两维按目标结构拆分总样本数即可。

内容的提问来源于stack exchange，提问作者MBlrd