Discussion :

[m4rsu]

Bonjour,
Je cherche un simuler un processus aléatoire en réalisant des tirages aléatoires dans une loi binomiale un très grand nombre de fois.
En gros j'ai une population composé de deux éléménts à une fréquence différentes, et je cherche à rééchantillonner ma population un très grand nombre de fois (1000000) pour la faire évoluer.

J'ai utilisé le code suivant :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

pos["freq"] = sum(np.random.binomial(1,pos["freq"], 2*param["popSize"])) / (2*param["popSize"])

Cela fonctionne très bien, mais je réalise cette opération tellement souvent, que mon programme est très long.
J'ai profilé le code avec cProfiler, et c'est bien cette ligne qui prend le plus de temps : la somme prend beaucoup de temps ainsi que le tirage dans la binomiale.

Je cherche donc si il y a moyen de faire plus efficace, sans succès pour le moment .

Quelqu'un aurait une idée ?

[tyrtamos]

Bonjour,

Le problème est-il déjà résolu?

Sinon, la solution la plus simple pour accélérer le calcul fait 1000000 de fois, est de calculer en avance les probabilités d'avoir 0 à n éléments A (prob=p% dans la population) dans un échantillon de taille n.

Mais même en ne faisant pas ça, un calcul en pur Python (sans numpy) est assez rapide. Par exemple pour 1000000 de tirages au hasard d'échantillons de taille 20 dans une population contenant 10% d'éléments recherchés, se fait en moins de 5 secondes.

[m4rsu]

J'ai trouvé la solution ce matin.

J'ai remplacé

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

sum(np.random.binomial(1,pos["freq"], 2*param["popSize"]))

par

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

np.random.binomial(2*param["popSize"], pos["freq"])

.

Du coup au lieu de récupérer un vecteur de 0 et de 1, je récupère directement la somme.