Как создать 2D-массив в Python, где каждый столбец имеет различное и случайное количество элементов - PullRequest
Новая
       50

Как создать 2D-массив в Python, где каждый столбец имеет различное и случайное количество элементов

0 голосов
/ 03 ноября 2019

Я пишу имитацию Монте-Карло фотонов, поступающих на детектор. Общее количество обнаруженных фотонов N_detected соответствует распределению Пуассона (которое я генерирую с использованием scipy.stats.poisson), а время обнаружения каждого отдельного фотона соответствует заданной функции распределения вероятности (PDF). Чтобы сгенерировать время обнаружения N_detected фотонов, я генерирую N_detected случайные числа от 0 до 1 с помощью функции numpy.random.random() и использую метод обратного преобразования .

Я должен запустить симуляцию несколько раз. Таким образом, чтобы избежать многократного повторения, я бы хотел выполнять каждую симуляцию одновременно, используя массивы. В качестве окончательного результата я хотел бы получить двумерный массив из N_sim столбцов, где каждый столбец соответствует разной имитации и содержит сгенерированные времена обнаружения. Проблема в том, что каждая симуляция производит разное количество фотонов (поскольку оно случайное), и я не нахожу способ создать двумерный массив со столбцами разной длины. столбцы одинаковой длины (самый большой N_deteceted) и заполните ненужные элементы NaN, а остальные случайными числами, которые мне нужны, но я не знаю, смогу ли я это сделать.

Этоэто лучшее, что я смог сделать на данный момент: 

import numpy as np
import numpy.ma as ma
from scipy.stats import poisson

beta = 0.0048    # Parameter of the PDF

""" Inverse of the time CDF (needed for the Inverse transform method) """

def inverse_time_cdf(x):
    return -np.log( (np.exp(-1000*beta)-1)*x + 1 )/beta


""" Simulation of N_sim experiments through the inverse transfrom method """

T = 1000    # Duration of the experiment [s]
rate = 3.945    # [events/s]
lam = rate*T    # Poisson distribution parameter

def photon_arrival_simulation(N_sim):
    N_detection = poisson.rvs(lam, size = N_sim)    # Number of detections in each experiment
    t = np.array([inverse_time_cdf(np.random.random(N)) for N in N_detection])

    return N_detection, t

Если возможно, я хотел бы избежать цикла, используемого при понимании списка функции photon_arrival_simulation(), а также получить двумерный массив вместомассив массивов (поскольку я не могу выполнять операции с массивами, такие как взятие log для массива массивов).

Я не знаю, должен ли я публиковать этот вопрос здесь или в Physics Stack Exchange , но заранее всем спасибо.

1 Ответ

0 голосов
/ 03 ноября 2019

Я не думаю, что можно создать случайный массив с переменными длинами вдоль строк, чтобы заполнить их значениями NaN без зацикливания. Но вот как вы можете решить проблему с двумерным массивом, у вас была правильная идея использовать NaN. Я бы определенно использовал NaN над замаскированными массивами, так как замаскированные массивы больше для удобства, чем для производительности. Также вы должны поместить строки документов в их соответствующие места под объявлениями функций. 

def photon_arrival_simulation(N_sim):
    """Simulation of N_sim experiments through the inverse transform method"""

    N_detection = poisson.rvs(lam, size=N_sim)

    rand = np.random.random((len(N_detection), N_detection.max()))

    for i, N in enumerate(N_detection):
        rand[i, N:] = np.nan

    t = inverse_time_cdf(rand)

    return N_detection, t
...