我试图模拟一个真实生活过程的表现。历史上测量过的变量显示了一个固定的区间,所以越低或越大,这些值在物理上是不可能的。你知道吗
为了模拟过程输出,每个输入变量的历史数据分别表示为最佳拟合概率分布(使用这种方法:Fitting empirical distribution to theoretical ones with Scipy (Python)?)。你知道吗
然而,当模拟n次时得到的理论分布并不代表实际生活中预期的最小值和最大值。我正在考虑对每个模拟应用一个try-except-test来检查每个模拟值是否在预期间隔之间,但我不确定这是否是处理这个问题的最佳方法,因为没有达到实验平均值和方差。你知道吗
可以在numpy中使用布尔掩码来重新生成超出所需边界的值。例如:
然后你可以像这样使用它:
另一个版本通过
np.argwhere
使用索引数组,性能略有提高:相关问题 更多 >
编程相关推荐