Implémentation vectorisée de la distribution normale

Question

J'essaie d'implémenter une implémentation vectorisée de la distribution gaussienne sans utiliser de fonctions numpy. Pour être clair, je voudrais obtenir le même résultat que ci-dessous sans le forloop.

import numpy as np 
import matplotlib.pyplot as plt 
import math 

x = np.linspace(-1, 1, 100) 
y = np.linspace(-1, 1, 100) 

for i in range(0, len(x)): 
    y[i] = normpdf(y[i], 0, .1) 

plt.plot(x, y) 
plt.show() 

def normpdf(x, mean, sd): 
    var = float(sd)**2 
    denom = (2*math.pi*var)**.5 
    num = math.exp(-(float(x)-float(mean))**2/(2*var)) 
    return num/denom 

Answer 1

Contrairement math.exp, np.exp peut fonctionner (ponctuelle) directement sur les tableaux. Remplacer normpdf par:

def normpdf(x, mean, sd): 
    var = float(sd)**2 
    denom = (2*math.pi*var)**.5 
    num = np.exp(-(x - mean)**2/(2*var)) 
    return num/denom 

Vous pouvez directement appeler normpdf sur x sans la boucle.

Je ne comprends pas vraiment comment vous voulez bénéficier de la vectorisation numpy sans utiliser de fonctions numpy.