如何在Python中高效計算正態逆累積分佈函數

我在Python中使用norm.ppf()來計算正態逆累積分佈，但是我發現它比Matlab中的norminv()慢得多。如何在Python中高效計算正態逆累積分佈函數

for i in range(10000): 
    iri_next = norm.ppf(0.4, loc=0, scale=0.06)

成本大約在Python 2秒，而在Matlab

for i=1:10000 
    IRI_next=norminv(0.4,0,0.06); 
end

成本約0.6第二個是有以計算在Python正常逆累積分佈的有效方法？

2017-09-13 GFD

一個小建議是使用python來調用ac函數我不相信python會達到相同的matlabs速度，因爲底層引擎在c/C++中完成 – Andrei

爲什麼調用函數如果返回的值總是相同的10000次？ –

你真的在測量'ppf'和'norminv'中的差異，還是僅僅是Python循環和Matlab循環之間的區別？在循環中嘗試一些其他操作，甚至可能是「無操作」（即Python中的「pass」）來檢查。 –

忽視的事實是擁有相同的值調用該函數10000次會給你10000次同樣的返回值，可以傳遞一個數組作爲第一個參數，並獲得10000個值一下子

scipy.stats.norm.ppf(numpy.full(10000, 0.4), loc=0, scale=0.06)

在我的機器上0.006秒

2017-09-13 14:07:42

這種方式非常快。謝謝！ – GFD

回答