python – Numpy选择没有替换特定维度

发布时间：2020-12-20 13:14:27 所属栏目：Python 来源：网络整理

导读：在没有替换的情况下,我根据指定的分布从样本中选择k个元素n个不同的时间. 迭代解决方案很简单： for _ in range(n): np.random.choice(a,size=k,replace=False,p=p) 我不能设置size =(k,n)因为我会在没有替换样本的情况下进行采样. a和n很大,我希望有一个矢

在没有替换的情况下,我根据指定的分布从样本中选择k个元素n个不同的时间.

迭代解决方案很简单：

for _ in range(n):
    np.random.choice(a,size=k,replace=False,p=p)

我不能设置size =(k,n)因为我会在没有替换样本的情况下进行采样. a和n很大,我希望有一个矢量化解决方案.

解决方法

以下是一些建议.

>您可以预先分配(n,k)输出数组,然后多次执行选择：

result = np.zeros((n,k),dtype=a.dtype)
for row in range(n):
    result[row,:] = np.random.choice(a,p=p)

>您可以预先计算n * k个选择索引,然后立即将它们应用于全部.由于您希望在不替换的情况下对索引进行采样,因此您需要再次在循环中使用np.choice：

indices = np.concatenate([np.random.choice(a.size,p=p) for _ in range(n)])
result = a[indices].reshape(n,k)

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!