使用python3优化大量随机数的生成

Question

我想在一个范围内（0到pi/8）生成8个随机数，把它们加在一起，取这个和的正弦，在做了N次之后，取平均值。放大后，我得到了正确的答案，但对N > 10^6来说太慢了，特别是当我在N次试验中求平均值n_t = 25更多的时候！我现在让这段代码在12秒内运行N = 10^5，这意味着N = 10^7需要20分钟，这似乎不是最佳的（可能是，我不知道！）。你知道吗

我的代码如下：

import random
import datetime
from numpy import pi
from numpy import sin
import numpy
t1 = datetime.datetime.now()

def trial(N):
    total = []
    uniform = numpy.random.uniform
    append = total.append
    for j in range(N):
        sum = 0
        for i in range (8):
            sum+= uniform(0, pi/8)
        append(sin(sum))
    return total

N = 1000000
n_t = 25
total_squared = 0
ans = []
for k in range (n_t):
    total = trial(N)
    f_mean = (numpy.sum(total))/N
    ans.append(f_mean*((pi/8)**8)*1000000)
sum_square = 0
for e in ans:
    sum_square += e**2
sum = numpy.sum(ans)
mean = sum/n_t
variance = sum_square/n_t - mean**2
s_d = variance**0.5
print (mean, " ± ", s_d)
t2 = datetime.datetime.now()
print ("Execution time: %s" % (t2-t1))

如果有人能帮我优化这将不胜感激！你知道吗

谢谢：）

Answer 1

考虑到你用这种方法获得结果的要求，np.sin(np.random.uniform(0,np.pi/8,size=(8,10**6,25)).sum(axis=0)).mean(axis=0)可以很快得到你的25次试验。。。这是完全矢量化的（而且简洁，这总是一个额外的好处！）所以我怀疑你能做得更好。。。你知道吗

说明：

生成一个大小为(8 x 10**6 x 25)的大型随机三维数组。.sum(axis=0)将得到第一维上的和（8）。np.sin(...)应用elementwise。.mean(axis=0)将得到第一个剩余维度（10**6）的平均值，并留给您一个1d长度数组（25），对应于您的试验。你知道吗