是否存在NumPy函数可对多组概率进行随机采样？

你可以直接用numpy的随机数生成+元素级比较来实现完全向量化的采样，比循环调用np.random.choice效率高得多：

核心思路 #

生成和概率数组长度相同的[0,1)区间随机数，每个随机数如果小于对应位置的概率值p[i]，就输出1，否则输出0。

代码实现 #

import numpy as np

p = [0.5, 0.9, 0.1, 0.4]
# 生成向量化采样结果
result = (np.random.rand(len(p)) < p).astype(int)

解释 #

• np.random.rand(len(p))：生成和p长度一致的数组，每个元素是0到1之间的均匀分布随机数
• < p：元素级比较，得到布尔数组（True对应采样到1，False对应0）
• .astype(int)：把布尔值转成整数0和1

这种方法完全是向量化操作，避免了循环，比逐个调用np.random.choice的效率高很多，尤其当p的长度很大时优势更明显。

内容的提问来源于stack exchange，提问作者Mona