如何快速创建偏向0的n×n NumPy 0-1矩阵？

有两种简洁高效的向量化方案，完全不需要循环：

• 方法一：使用np.random.choice指定概率分布
  直接通过p参数设置0和1的出现概率，比如让0占80%、1占20%：

  import numpy as np
  n = 5  # 替换成你的目标n值
  arr = np.random.choice([0, 1], size=(n, n), p=[0.8, 0.2])
  

  调整p里的数值就能灵活改变偏向程度，比如p=[0.9, 0.1]会让0的占比更高。

• 方法二：利用np.random.rand加阈值判断
  先生成0到1之间的随机浮点数数组，再通过阈值筛选出1的位置（阈值越大，1的占比越低，偏向0的效果越明显）：

  import numpy as np
  n = 5
  threshold = 0.2  # 仅20%概率生成1
  arr = (np.random.rand(n, n) > threshold).astype(int)
  

  这种方法依赖NumPy原生向量化运算，效率和方法一相当，适合快速调整偏向程度。

这两种方案都是NumPy原生优化的操作，性能远优于循环实现，同时代码简洁易读。

内容的提问来源于stack exchange，提问作者Swaymon