Question

是否有一种有效的方法来创建一个任意长的numpy数组，其中每个维度都包含从长度为＆gt; = n 的列表中提取的 n 元素？列表中的每个元素只能为每个维度绘制一次。

例如，如果我有列表l = ['cat', 'mescaline', 'popcorn']，我希望能够通过输入类似np.random.pick_random(l, (3, 2), replace=false)的内容来创建数组array([['cat', 'popcorn'], ['cat', 'popcorn'], ['mescaline', 'cat']])。

谢谢。

Answer 1

Theres有两种方法可以做到这一点，每种方式都有其优点/缺点，以下四种方式都是正确的从我的头顶......

pythons拥有random.sample，简单而内置，虽然它可能不是最快......
numpy.random.permutation再次简单，但它会创建一个我们必须切片的副本， ouch ！
numpy.random.shuffle速度更快，因为它会在适当位置进行随机播放，但我们仍需要切片。
numpy.random.sample是最快的，但它只适用于0到1的间隔，所以我们有为了规范化它，并将其转换为int以获得随机索引，最后我们仍需要切片，注意规范化到我们想要的大小不会产生统一的随机分布。

以下是一些基准测试。

import timeit
from matplotlib import pyplot as plt

setup = \
"""
import numpy
import random

number_of_members = 20
values = range(50)
"""

number_of_repetitions = 20
array_sizes = (10, 200)

python_random_times = [timeit.timeit(stmt = "[random.sample(values, number_of_members) for index in xrange({0})]".format(array_size),
                                     setup = setup,                      
                                     number = number_of_repetitions)
                                        for array_size in xrange(*array_sizes)]

numpy_permutation_times = [timeit.timeit(stmt = "[numpy.random.permutation(values)[:number_of_members] for index in xrange({0})]".format(array_size),
                               setup = setup,
                               number = number_of_repetitions)
                                    for array_size in xrange(*array_sizes)]

numpy_shuffle_times = [timeit.timeit(stmt = \
                                """
                                random_arrays = []
                                for index in xrange({0}):
                                    numpy.random.shuffle(values)
                                    random_arrays.append(values[:number_of_members])
                                """.format(array_size),
                                setup = setup,
                                number = number_of_repetitions)
                                     for array_size in xrange(*array_sizes)]                                                                    

numpy_sample_times = [timeit.timeit(stmt = \
                                    """
                                    values = numpy.asarray(values)
                                    random_arrays = [values[indices][:number_of_members] 
                                                for indices in (numpy.random.sample(({0}, len(values))) * len(values)).astype(int)]
                                    """.format(array_size),
                                    setup = setup,
                                    number = number_of_repetitions)
                                         for array_size in xrange(*array_sizes)]                                                                                                                                            

line_0 = plt.plot(xrange(*array_sizes),
                             python_random_times,
                             color = 'black',
                             label = 'random.sample')

line_1 = plt.plot(xrange(*array_sizes),
         numpy_permutation_times,
         color = 'red',
         label = 'numpy.random.permutations'
         )

line_2 = plt.plot(xrange(*array_sizes),
                    numpy_shuffle_times,
                    color = 'yellow',
                    label = 'numpy.shuffle')

line_3 = plt.plot(xrange(*array_sizes),
                    numpy_sample_times,
                    color = 'green',
                    label = 'numpy.random.sample')

plt.xlabel('Number of Arrays')
plt.ylabel('Time in (s) for %i rep' % number_of_repetitions)
plt.title('Different ways to sample.')
plt.legend()

plt.show()

结果：

enter image description here

所以看起来numpy.random.permutation是最糟糕的，并不令人惊讶的，自己random.sample拥有它自己的蟒蛇，所以看起来它是numpy.random.shuffle和{{1}之间的紧密竞争随着numpy.random.sample逐渐消失，所以要么就足够了，即使numpy.random.sample有更高的内存占用，我仍然更喜欢它，因为我真的不需要构建数组我只需要随机索引。

numpy.random.sample

<强>更新

不幸的是$ uname -a Darwin Kernel Version 10.8.0: Tue Jun 7 16:33:36 PDT 2011; root:xnu-1504.15.3~1/RELEASE_I386 i386 $ python --version Python 2.6.1 $ python -c "import numpy; print numpy.__version__" 1.6.1不会从群体中绘制唯一元素，所以你会得到复制，所以坚持使用shuffle同样快。

更新2

如果你想保持在numpy中以利用它的一些内置功能，只需将值转换为numpy数组。

numpy.random.sample

注意，这里的N非常大，因此你将得到重复的排列数，通过排列我的意思是在排列中没有重复值的值的顺序，因为从根本上说，在任何给定有限集上有限数量的排列，如果只是计算整个集合然后它的n !,如果只选择k元素n！/（n - k）！即使不是这种情况，意味着我们的集合要大得多，我们仍然可能依赖于随机函数实现重复，因为shuffle / permutation / ...等等只适用于当前集合并且不知道对于人口，这可能是可接受的，也可能是不可接受的，取决于你想要实现的目标，如果你想要一组独特的排列，那么你将生成该集并对其进行子样本。

Answer 2

以下是使用numpy的np.random.randint：

进行此操作的方法

In [68]: l = np.array(['cat', 'mescaline', 'popcorn'])

In [69]: l[np.random.randint(len(l), size=(3,2))]
Out[69]: 
array([['cat', 'popcorn'],
       ['popcorn', 'popcorn'],
       ['mescaline', 'cat']], 
      dtype='|S9')

编辑：在每个元素每行最多出现一次的附加细节之后

这不是很节省空间，你需要更好的东西吗？

In [29]: l = np.array(['cat', 'mescaline', 'popcorn'])

In [30]: array([np.random.choice(l, 3, replace=False) for i in xrange(5)])
Out[30]: 
array([['mescaline', 'popcorn', 'cat'],
       ['mescaline', 'popcorn', 'cat'],
       ['popcorn', 'mescaline', 'cat'],
       ['mescaline', 'cat', 'popcorn'],
       ['mescaline', 'cat', 'popcorn']], 
      dtype='|S9')

Answer 3

>>> import numpy
>>> l = numpy.array(['cat', 'mescaline', 'popcorn'])
>>> l[numpy.random.randint(0, len(l), (3, 2))]
array([['popcorn', 'mescaline'],
       ['mescaline', 'popcorn'],
       ['cat', 'cat']], 
      dtype='|S9')

使用列表中的随机元素创建numpy数组

3 个答案: