Question

我有一个二维的整数数组，我们称之为＆＃34; A＆＃34;。

我想创建一个三维数组＆＃34; B＆＃34;所有1和0都是这样的：

对于任何固定的（i，j）sum(B[i,j,:])==A[i.j]，即B[i,j,:]包含A[i,j] 1s
1s随机放置在第3维。

我知道如何使用标准的python索引来实现这一点，但结果却非常缓慢。

我正在寻找一种方法来利用可以使Numpy快速运行的功能。

以下是使用标准索引的方法：

B=np.zeros((X,Y,Z))
indexoptions=range(Z)

for i in xrange(Y):
    for j in xrange(X):
        replacedindices=np.random.choice(indexoptions,size=A[i,j],replace=False)
        B[i,j,[replacedindices]]=1

有人可以解释一下如何以更快的方式做到这一点吗？

编辑：这是一个例子＆＃34; A＆＃34;：

A=np.array([[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4]])

在这种情况下，<=> X = Y = 5且Z> = 5

Answer 1

基本上与@JohnZwinck和@DSM相同，但使用shuffle函数来改组给定的轴：

import numpy as np

def shuffle(a, axis=-1):
    """
    Shuffle `a` in-place along the given axis.

    Apply numpy.random.shuffle to the given axis of `a`.
    Each one-dimensional slice is shuffled independently.
    """
    b = a.swapaxes(axis,-1)
    # Shuffle `b` in-place along the last axis.  `b` is a view of `a`,
    # so `a` is shuffled in place, too.
    shp = b.shape[:-1]
    for ndx in np.ndindex(shp):
        np.random.shuffle(b[ndx])
    return


def random_bits(a, n):
    b = (a[..., np.newaxis] > np.arange(n)).astype(int)
    shuffle(b)
    return b


if __name__ == "__main__":
    np.random.seed(12345)

    A = np.random.randint(0, 5, size=(3,4))
    Z = 6

    B = random_bits(A, Z)

    print "A:"
    print A
    print "B:"
    print B

输出：

A:
[[2 1 4 1]
 [2 1 1 3]
 [1 3 0 2]]
B:
[[[1 0 0 0 0 1]
  [0 1 0 0 0 0]
  [0 1 1 1 1 0]
  [0 0 0 1 0 0]]

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

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

从2D numpy数组快速计算随机3D numpy数组

1 个答案: