我看了一下函数实现。
二项分布中的参数n表示我们要进行多少次伯努利实验。在二项分布中，p表示每次伯努利实验的等概率。
那么p的列表对于二项分布意味着什么呢？没有。在这个函数中，作为p参数的list_of_p的概率列表将产生与len(list_of_p)一样多的样本。这个函数将检查list_of_p中的每个元素是否在0和1之间。
在list_of_p中的所有元素都相同的特定情况下，我们可以使用第三个参数：size。也就是说，这两行是等价的：

np.random.binomial(n = 1, [0.1,0.1])
np.random.binomial(n = 1, 0.1, 2)

所以，如果我们可以告诉函数，我们需要两个不同参数的样本数，我们可以给予函数矛盾的信息，对吗？，是的，但是如果我们这样做，函数会引发错误。

# Works fine
np.random.binomial(n = 1, [0.1, 0.3], 2)
# Raises an exception
np.random.binomial(n = 1, [0.1, 0.3], 1)

# Works fine also if the list has length 1
np.random.binomial(n = 1, [0.1], 20)

为了回答你的问题，n=2的二项分布产生从0到2的数字。看看Binomial distribution definition。我不会详细说明，因为这是数学，而不是编码。
函数调用np.random.binomial(n = 2, p = [0.1, 0.5, 0.4])将生成三个二项式分布样本，每个样本为B(2, 0.1)、B(2, 0.5)和B(2, 0.4)。
我想你主要问题的答案现在已经很清楚了，如果你用二项式函数来做一个取1的概率为0.1的伯努利实验，你应该写：

np.random.binomial(n = 1, p = 0.1)