如何调整scipy.stats.randint的步长以生成更大步进的离散均匀分布

可以通过scipy直接实现该需求，效果和hyperopt的hp.uniformint完全匹配，兼容scipy原生stats.randint的使用习惯。

实现原理 #

hp.uniformint的本质是生成取值为 low, low+q, low+2q,... ≤high的等概率离散值，我们可以对scipy的stats.randint做线性变换实现该逻辑，同时支持冻结分布操作。

代码示例 #

以生成步长为2、取值范围为[2,10]（取值为2、4、6、8、10）的冻结分布为例：

from scipy.stats import randint

# 自定义参数
low = 2       # 最小值
high = 10     # 最大值
q = 2         # 步长

# 计算映射用的randint区间长度
n = int((high - low) / q) + 1
# 生成冻结分布
frozen_qrandint = low + q * randint(0, n)

功能验证 #

生成的冻结分布支持scipy分布的所有原生API，符合使用预期：

• 生成随机样本：调用frozen_qrandint.rvs(10)可生成10个符合分布的随机值，所有值均为目标区间内步长对齐的整数，且各取值概率均等
• 计算概率质量：调用frozen_qrandint.pmf(4)返回值为0.2，对应5个取值各20%的概率
• 计算累计分布：调用frozen_qrandint.cdf(6)返回值为0.6，对应小于等于6的取值共3个，占总取值数的60%

注意事项 #

• 需确保(high - low)可以被步长q整除，避免出现无法取到high边界值的情况，若不能整除可自行调整high为区间内最大符合步长对齐规则的值
• 该实现完全兼容scipy冻结分布的所有接口，和原生stats.randint用法一致，无需额外适配

内容的提问来源于stack exchange，提问作者abdelgha4