Question

Python中是否存在从n维numpy数组中采样并返回每个绘制的索引的函数。如果不是如何定义这样的功能？

E.g：

>>> probabilities = np.array([[.1, .2, .1], [.05, .5, .05]])  
>>> print function(probabilities, draws = 10)
 ([1,1],[0,2],[1,1],[1,0],[0,1],[0,1],[1,1],[0,0],[1,1],[0,1])

我知道这个问题可以通过一维数组以多种方式解决。但是，我将处理大型的n维数组，并且不能仅仅为了进行单次绘制而重塑它们。

Answer 1

您可以使用np.unravel_index：

a = np.random.rand(3, 4, 5)
a /= a.sum()

def sample(a, n=1):
    a = np.asarray(a)
    choices = np.prod(a.shape)
    index = np.random.choice(choices, size=n, p=a.ravel())
    return np.unravel_index(index, dims=a.shape)

>>> sample(a, 4)
(array([2, 2, 0, 2]), array([0, 1, 3, 2]), array([2, 4, 2, 1]))

这将返回一个数组元组，每个维度为a一个，每个长度为请求的样本数。如果您希望拥有一个形状(samples, dimensions)的数组，请将return语句更改为：

return np.column_stack(np.unravel_index(index, dims=a.shape))

现在：

>>> sample(a, 4)
array([[2, 0, 0],
       [2, 2, 4],
       [2, 0, 0],
       [1, 0, 4]])

Answer 2

如果您的阵列在内存中是连续的，则可以更改阵列的shape：

probabilities = np.array([[.1, .2, .1], [.05, .5, .05]]) 
nrow, ncol = probabilities.shape
idx = np.arange( nrow * ncol ) # create 1D index

probabilities.shape = ( 6, ) # this is OK because your array is contiguous in memory

samples = np.random.choice( idx, 10, p=probabilities ) # sample in 1D
rowIndex = samples / nrow # convert to 2D
colIndex = samples % ncol

array([2, 0, 1, 0, 2, 2, 2, 2, 2, 0])
array([1, 1, 2, 0, 1, 1, 1, 1, 1, 1])

请注意，由于您的数组在内存中是连续的，reshape也会返回一个视图：

In [53]:

view = probabilities.reshape( 6, -1 )
view[ 0 ] = 9
probabilities[ 0, 0 ]
Out[53]:
9.0

Python：从n维数组中定义的离散分布中进行采样

2 个答案: