如何重复执行均匀分布数值统计流程并存储每次结果？

你的代码存在两个核心问题：

• 外层循环中没有重新生成新的随机数组y，始终用同一组数据统计，结果自然重复
• 没有为每次统计初始化统计变量，且未存储单次统计结果，最终得到的是N次统计的总和而非每次的独立值

正确实现（基础循环版） #

我们需要在每次外层循环中：重新生成随机数组、初始化统计变量、完成统计后将结果存入列表：

import numpy as np

N = 5
results = []  # 存储每次统计的X值

for _ in range(N):
    # 每次循环重新生成均匀分布的随机数组
    y = np.random.uniform(0, 500, 500)
    x_count = 0
    for val in y:
        if val < 1:
            x_count += 1
    results.append(x_count)

print(results)  # 输出每次的统计结果，比如类似[1, 0, 2, 1, 0]

更高效的Numpy向量化实现 #

利用Numpy的向量化操作可以简化代码，避免嵌套循环，运行效率更高：

import numpy as np

N = 5
# 一次性生成N组500个元素的随机数组，形状为(N, 500)
y = np.random.uniform(0, 500, (N, 500))
# 对每组统计小于1的元素数量，得到长度为N的结果数组
results = (y < 1).sum(axis=1)

print(results.tolist())  # 转为列表输出，和循环版结果格式一致

关键说明 #

• 向量化版本中，(y < 1)会生成一个布尔数组，sum(axis=1)表示按行（即每组数据）求和，统计True的数量（对应小于1的元素）
• 两种方式都能实现需求，向量化版本更适合大数据量的场景

内容的提问来源于stack exchange，提问作者In the blind