python产生多个随机数_在python中生成1000000多个随机数的最快方法

你可以通过做你最初描述的事情（生成一堆随机数，并相应地进行乘法和除法）来加快事情的进度。。。

另外，您可能已经知道这一点，但是在使用大型ish numpy数组时，请确保在适当的位置执行操作（*=，/=，+=，等等）。对于大型数组来说，它在内存使用上有着巨大的不同，并且也会给速度带来相当大的提高。In [53]: def rand_row_doubles(row_limits, num):

....: ncols = len(row_limits)

....: x = np.random.random((num, ncols))

....: x *= row_limits

....: return x

....:

In [59]: %timeit rand_row_doubles(np.arange(7) + 1, 1000000)

10 loops, best of 3: 187 ms per loop

相比之下：In [66]: %timeit ManyRandDoubles(np.arange(7) + 1, 1000000)

1 loops, best of 3: 222 ms per loop

这没什么大的区别，但如果你真的担心速度，那是有问题的。

为了证明这是正确的：In [68]: x.max(0)

Out[68]:

array([ 0.99999991, 1.99999971, 2.99999737, 3.99999569, 4.99999836,

5.99999114, 6.99999738])

In [69]: x.min(0)

Out[69]:

array([ 4.02099599e-07, 4.41729377e-07, 4.33480302e-08,

7.43497138e-06, 1.28446819e-05, 4.27614385e-07,

1.34106753e-05])

同样，对于“行和为一”的部分。。。In [70]: def rand_rows_sum_to_one(nrows, ncols):

....: x = np.random.random((ncols, nrows))

....: y = x.sum(axis=0)

....: x /= y

....: return x.T

....:

In [71]: %timeit rand_rows_sum_to_one(1000000, 13)

1 loops, best of 3: 455 ms per loop

In [72]: x = rand_rows_sum_to_one(1000000, 13)

In [73]: x.sum(axis=1)

Out[73]: array([ 1., 1., 1., ..., 1., 1., 1.])

老实说，即使你在C语言中实现了一些东西，我也不确定你能否在这一点上击败numpy。。。不过，我可能会大错特错！