如何随机生成随机矩阵（Stochastic Matrix）或ndarray？

现有Crate推荐 #

目前没有专门一键生成这类结构的Crate，但基于ndarray和ndarray-rand可以快速实现，完全满足简洁性需求。

向量化实现方案（基于ndarray） #

利用ndarray的广播特性和沿维度求和功能，能避免循环，实现高效的向量化运算，同时优化数值稳定性。

概率向量（一维） #

采用整数生成再归一化的方式提升数值稳定性：

use ndarray::Array1;
use ndarray_rand::RandomExt;
use ndarray_rand::rand_distr::Uniform;

fn main() {
    // 生成1-100的随机整数，转换为浮点数后归一化
    let a = Array1::random(10, Uniform::new(1u32, 100u32))
        .map(|x| x as f64);
    let sum = a.sum();
    let prob_vec = &a / sum;
    println!("向量和：{:?}", prob_vec.sum());
}

随机矩阵/高维随机ndarray #

针对任意高维数组，只需沿最后一维求和，再通过广播完成逐元素归一化：

use ndarray::{Array, Array2, Axis};
use ndarray_rand::RandomExt;
use ndarray_rand::rand_distr::Uniform;

fn main() {
    // 生成3行5列的随机矩阵，按列归一化（最后一维为列）
    let mat = Array2::random((3, 5), Uniform::new(1u32, 100u32))
        .map(|x| x as f64);
    // 沿最后一维求和，得到形状为(3,)的数组
    let col_sums = mat.sum_axis(Axis(-1));
    // 扩展维度实现广播除法，每行元素除以对应列的和
    let stochastic_mat = mat / &col_sums.insert_axis(Axis(-1));
    
    // 验证每列和是否为1
    for col in stochastic_mat.axis_iter(Axis(1)) {
        println!("列和：{:.6}", col.sum());
    }

    // 3维数组示例
    let arr3d = Array::random((2, 3, 4), Uniform::new(1u32, 100u32))
        .map(|x| x as f64);
    let sums = arr3d.sum_axis(Axis(-1));
    let stochastic_3d = arr3d / &sums.insert_axis(Axis(-1));
}

核心是sum_axis(Axis(-1))获取最后一维的和，再用insert_axis(Axis(-1))扩展维度以支持广播，全程无需手动循环。

非ndarray方案（基于标准库+rand） #

如果不依赖ndarray，用标准库Vec结合rand也能实现：

概率向量 #

use rand::Rng;

fn main() {
    let mut rng = rand::thread_rng();
    let vec: Vec<u32> = (0..10).map(|_| rng.gen_range(1..100)).collect();
    let sum: u32 = vec.iter().sum();
    let prob_vec: Vec<f64> = vec.iter().map(|&x| x as f64 / sum as f64).collect();
    println!("向量和：{:?}", prob_vec.iter().sum::<f64>());
}

随机矩阵 #

use rand::Rng;

fn main() {
    let mut rng = rand::thread_rng();
    // 3行5列矩阵，按列归一化
    let mut mat: Vec<Vec<u32>> = (0..3).map(|_| {
        (0..5).map(|_| rng.gen_range(1..100)).collect()
    }).collect();
    
    // 计算每列的和
    let col_sums: Vec<u32> = (0..5).map(|col| {
        mat.iter().map(|row| row[col]).sum()
    }).collect();
    
    // 归一化处理
    let stochastic_mat: Vec<Vec<f64>> = mat.iter().map(|row| {
        row.iter().enumerate().map(|(col, &x)| x as f64 / col_sums[col] as f64).collect()
    }).collect();
}

关于ndarray-rand直接生成的说明 #

ndarray-rand目前没有内置分布直接生成归一化后的随机数组，这类需求本质是先采样再归一化，用现有工具组合已经足够简洁高效。

内容的提问来源于stack exchange，提问作者nbro