Python嵌套循环报错：无法计算不同步数分布的均方位移

核心报错原因 #

报错ValueError: could not broadcast input array from shape (0,) into shape (1000,)的直接原因是：

• step_variation = np.linspace(0, 10000, 11)生成的第一个元素是0，当n=0时，int(step_variation[n])=0，rand(0)会生成空数组，经过cumsum后仍然是shape(0,)的空数组。
• 而x_step[:,m]是初始化时固定的shape(1000,)数组，空数组无法赋值给长度为1000的数组，导致广播失败。

除此之外，代码还有两个关键问题：

1. x_step和y_step的形状固定为(1000, 1000)，但step_variation中包含大于1000的步数（比如10000），生成的累积位移数组长度会超过1000，同样会触发形状不匹配错误。
2. 计算均方位移时，np.mean(displacement[m,0]**2)只取了最后一次步行的位移平方，而不是所有1000次步行的均值，结果完全错误。

修正后的代码 #

import numpy as np

# 初始化变量
rng = np.random.default_rng()
rand = rng.random
num_walks = 1000
mean_squared_displacement = np.zeros(10)

# 调整步数范围：去掉0，从1000到10000生成10个均匀分布的步数
step_variation = np.linspace(1000, 10000, 10)

for n in range(len(step_variation)):
    current_steps = int(step_variation[n])
    # 直接生成所有步行的最终x、y位移，无需保存每一步位置
    x_final = np.cumsum(2*(rand((num_walks, current_steps)) < 0.5) - 1, axis=1)[:, -1]
    y_final = np.cumsum(2*(rand((num_walks, current_steps)) < 0.5) - 1, axis=1)[:, -1]
    
    # 计算均方位移：直接用平方均值，无需先算平方根再平方
    mean_squared_displacement[n] = np.mean(x_final**2 + y_final**2)

print(mean_squared_displacement)

关键修改点说明 #

• 移除步数0：将step_variation调整为从1000开始，避免生成空数组。
• 优化内存与形状匹配：不再保存每一步的位置，直接计算所有步行的最终位移，通过axis=1对每一行（单个步行）做累积和，最后取[:, -1]得到最终位置，避免固定形状导致的不匹配问题。
• 修正均方位移计算：直接计算所有步行的x_final² + y_final²的均值，跳过多余的平方根计算（因为均方位移是位移平方的均值，不需要先开根号再平方），同时确保取所有步行的均值，而非单个步行的值。

内容的提问来源于stack exchange，提问作者Buff_physics