从给定的概率分布中抽取样本是通过构建评估0到1范围内的随机数的逆累积分布来完成的。对于少数离散类别-如问题中-您可以使用线性搜索找到逆：

## Alternative test dataset
probabilities[:, :, :] = np.array([0.1, 0.5, 0.15, 0.15, 0.1])

n1, n2, m = probabilities.shape

cum_prob = np.cumsum(probabilities, axis=-1) # shape (n1, n2, m)
r = np.random.uniform(size=(n1, n2, 1))

# argmax finds the index of the first True value in the last axis.
samples = np.argmax(cum_prob > r, axis=-1)

print('Statistics:')
print(np.histogram(samples, bins=np.arange(m+1)-0.5)[0]/(n1*n2))

字符串
对于测试数据集，典型的测试输出为：

Statistics:
[0.0998 0.4967 0.1513 0.1498 0.1024]

型
看起来没问题
如果你有很多很多的类别（上千个），最好使用numba编译函数进行二分搜索。

您可以使用np.random.choice函数。它有一个方便的p参数，允许您指定每个类别的概率。参见下面的工作示例

import numpy as np
categories = ['apple', 'banana', 'kiwi']
probabilities = [0.2, 0.2, 0.6]

# draw 1000 samples
n = 1000
draw = np.random.choice(categories, n, p=probabilities)

# print counts to verify
from collections import Counter
print(Counter(draw))

字符串