Question

我希望随机生成array个n个和m个零。

我想到了这个解决方案：

生成一个数组（np.ones）
生成零数组（np.zeros）
将它们组合成一个数组（np.hstack）
随机播放生成的数组（np.random.shuffle）

似乎不是一个自然的解决方案。一些pythonic的想法？

Answer 1

您的解决方案似乎合理。它准确地陈述了它正在做什么，并清楚地做到了。

让我们对您的实施进行比较：

a = np.hstack((np.ones(n), np.zeros(m)))
np.random.shuffle(a)

......有一个明显的选择：

a = np.ones(n+m)
a[:m] = 0
np.random.shuffle(a)

这可能会节省一些时间不分配和移动大量数据，但需要更多的思考才能理解。

用Python代替NumPy：

a = np.array([1]*n + [0]*m)
np.random.shuffle(a)

......可能会更简洁一些，但似乎不那么惯用NumPy（就像np.array([1]*n)比np.ones(n)更不惯用），而且它会变慢无缘无故地使用更多内存。（你可以使用np.fromiter来改善记忆，但是它显然不会更简洁。）

当然，如果您不止一次这样做，真正的答案是将其分解为一个功能。然后函数的名称将解释它的作用，几乎任何不太受折磨的解决方案都很容易理解......

Answer 2

我将n个数组和m个数组作为

a = np.array([1] * n + [0] * m)

然后我就打电话给np.random.shuffle()。

Answer 3

使用numpy.random.permutation：

a = numpy.random.permutation([1] * n + [0] * m)

或者，使用数组而不是初始列表：

a = numpy.random.permutation(numpy.concatenate(np.ones(n), np.zeros(m)))

（我不太了解numpy对concatenate和hstack之间的区别进行评论;它们似乎在这里产生相同的结果。）

Answer 4

我认为您的解决方案很合适，因为它具有可读性和pythonic性。您没有说明内存或性能是否是考虑因素。有可能np.random.shuffle和O（m + n）一样好，但是其他答案表明它不止一次传递来改变值。你可以在O（m + n）中完成，只需要一次传递，没有像这样的内存开销：

import random
m = 600 # zeros
n = 400 # ones

result = []
while m + n > 0:
    if (m > 0 and random.random() < float(m)/float(m + n)):
        result.append(0)
        m -= 1
    else:
        result.append(1)
        n -= 1

Python随机数组0和1

4 个答案: