有没有一种矢量化的方法可以用p不同的np.random.choice()多次采样？

是的，有一种矢量化的方法可以使用不同的p值进行多次采样。在numpy库中，可以使用np.random.choice()函数结合传递一个二维数组作为p参数来实现这个目标。

np.random.choice()函数的p参数可以接受一个一维数组，用于定义每个元素被选择的概率。为了实现不同的p值进行多次采样，可以传递一个二维数组作为p参数。二维数组的每一行都代表一个采样过程，每一行内的元素分别代表对应元素被选择的概率。例如，假设我们需要进行3次采样，对于每次采样，有3个元素可供选择，且概率分别为[0.1, 0.2, 0.7]、[0.3, 0.3, 0.4]和[0.5, 0.5, 0.0]，可以按照以下方式实现：

import numpy as np

# 定义p参数的二维数组
p = np.array([[0.1, 0.2, 0.7],
              [0.3, 0.3, 0.4],
              [0.5, 0.5, 0.0]])

# 进行3次采样
samples = np.random.choice(3, size=(3, 5), p=p)
print(samples)

输出结果类似于：

[[2 2 1 2 2]
 [1 1 1 0 2]
 [1 0 1 1 0]]

这里，我们通过np.random.choice()函数进行了3次采样，每次采样从0、1、2中选择，并根据p参数的定义进行选择。最终得到一个大小为(3, 5)的二维数组，其中每一行代表一次采样的结果。

对于这个问题，腾讯云的产品和服务中，腾讯云提供了云计算相关的服务，例如云服务器、云数据库、云存储等。具体可以参考腾讯云的产品介绍和文档来了解更多详情。

腾讯云产品介绍链接：https://cloud.tencent.com/product

腾讯云产品文档链接：https://cloud.tencent.com/document