我有一个包含X行和R列的数组C。我希望生成一个名为a_array的新数组，其中每个元素将根据X中其对应行的平均值和标准偏差随机生成。使用Numpy进行此操作的最有效的Python方法是什么？
目前，我正在使用嵌套循环来生成元素级数字。
a_array = np.zeros(shape=(a_size, X.shape[0]))
for i in range(a_size):
for j in range(X.shape[0]):
a_array[i][j] = np.random.randint(low=X[i].mean()-X[i].std(), high=X[i].mean()+X[i].std())
编辑：对不起，我忘记了一些东西，但我也想确保a_array的每一行都包含唯一元素（任何行中都没有重复的元素）。到目前为止，我还没有想到任何实现此目的的方法。
最佳答案
部分向量化
我们可以将其减少到一个循环-
m,s = X[:a_size].mean(1),X[:a_size].std(1)
L = (m-s).astype(int)
H = (m+s).astype(int)
out = np.empty((a_size,X.shape[0]),dtype=int)
for i,(l,h) in enumerate(zip(L,H)):
out[i] = np.random.choice(np.arange(l,h),X.shape[0],replace=False)
基本思路：
计算沿第二个轴的均值和标准差值。在此之前，如果
X不是a_size中的行数，则需要切片a_size将其限制为X行。在原始的循环版本中，我们将
random.randint用作均值-std和均值+ std的限制。因此，对于建议的版本，使用步骤1中的均值和标准差值获得上下限。使用
np.random.choice(np.arange(l,h),X.shape[0],replace=False)的低值和高值运行循环，以设置值范围以选择，并选择大小为X.shape[0]的随机值和使用replace=False的唯一值。完全矢量化
我们可以使用1和2中列出的技巧将其完全矢量化，从而为我们提供类似于以下内容的内容，以代替之前列出的循环步骤：
R = H-L
MX = R.max()
n = X.shape[0]
unqIDs = np.random.rand(len(L),MX).argpartition(axis=1,kth=n)[:,:n]
out = unqIDs%R[:,None] + L[:,None]
请注意，这将占用更多的内存。