Numpy:替换数组

时间:2015-07-13 17:13:09

标签: python numpy random

我已经谷歌搜索了一下,没有找到任何好处 答案。

问题是,我有一个2d numpy阵列,我想 在随机位置替换它的一些值。

我使用numpy.random.choice创建了一些答案 数组的掩码。不幸的是,这并没有创造 原始数组的视图,所以我不能替换它的值。

所以这是我想做的一个例子。

想象一下,我有2d数组的浮点值。

[[ 1., 2., 3.],
 [ 4., 5., 6.],
 [ 7., 8., 9.]]

然后我想替换任意数量的 元素。如果我可以调整参数,那将是很好的 将要替换多少元素。 可能的结果可能如下所示:

[[ 3.234, 2., 3.],
 [ 4., 5., 6.],
 [ 7., 8., 2.234]]

我无法想到实现这一目标的好方法。 感谢帮助。

修改

感谢所有快速回复。

5 个答案:

答案 0 :(得分:6)

只需使用相同形状的随机数字屏蔽您的输入数组。

import numpy as np

# input array
x = np.array([[ 1., 2., 3.], [ 4., 5., 6.], [ 7., 8., 9.]])

# random boolean mask for which values will be changed
mask = np.random.randint(0,2,size=x.shape).astype(np.bool)

# random matrix the same shape of your data
r = np.random.rand(*x.shape)*np.max(x)

# use your mask to replace values in your input array
x[mask] = r[mask]

产生类似的东西:

[[ 1.          2.          3.        ]
 [ 4.          5.          8.54749399]
 [ 7.57749917  8.          4.22590641]]

答案 1 :(得分:2)

您可以使用scipy创建bernoulli随机变量,参数p将控制您最终替换的数组中的值百分比。然后根据bernoulli随机变量的值是0还是1来替换原始数组中的值。

from scipy.stats import bernoulli as bn
import numpy as np

array = np.array([[ 1., 2., 3.],[ 4., 5., 6.],[ 7., 8., 9.]])
np.random.seed(123)
flag = bn.rvs(p=0.5,size=(3,3))
random_numbers = np.random.randn(3,3)
array[flag==0] = random_numbers[flag==0]

答案 2 :(得分:2)

当数组是一维的时,很容易随意选择索引,所以我建议将数组重新整形为1D,更改随机元素,然后重新塑造回原始形状。

例如:

import numpy as np

def replaceRandom(arr, num):
    temp = np.asarray(arr)   # Cast to numpy array
    shape = temp.shape       # Store original shape
    temp = temp.flatten()    # Flatten to 1D
    inds = np.random.choice(temp.size, size=num)   # Get random indices
    temp[inds] = np.random.normal(size=num)        # Fill with something
    temp = temp.reshape(shape)                     # Restore original shape
    return temp

所以这就像:

>>> test = np.arange(24, dtype=np.float).reshape(2,3,4)
>>> print replaceRandom(test, 10)
[[[  0.          -0.95708819   2.           3.        ]
  [ -0.35466096   0.18493436   1.06883205   7.        ]
  [  8.           9.          10.          11.        ]]
 [[ -1.88613449  13.          14.          15.        ]
  [  0.57115795  -1.25526377  18.          -1.96359786]
  [ 20.          21.           2.29878207  23.        ]]]

在这里,我已经用正态分布替换了元素 - 但显然你可以用你想要的任何内容替换对np.random.normal的调用。

答案 3 :(得分:1)

没有真正优化,但是可以帮助您找到实现方法的起点:

import numpy as np

a = np.array( [[ 1., 2., 3.], [ 4., 5., 6.], [ 7., 8., 9.]])

def replace(ar,nbr):
  x,y = ar.shape
  s = x*y 
  mask = [1]*nbr + [0]*(s-nbr)
  np.random.shuffle(mask)
  mask = np.array(mask) == 1
  ar.reshape( (s) )[mask] = [ np.random.random() for _ in range(nbr) ]

答案 4 :(得分:1)

您可以随机生成n个整数来索引数组的展平视图(1D版本),并将这些索引值设置为等于n个随机值:

In [1]: import numpy as np
In [2]: x = np.arange(1, 10).reshape(3, 3).astype(float)
In [3]: m = np.product(x.shape)
In [4]: n = 3
In [5]: x.ravel()[np.random.randint(0, m, size=n)] = np.random.rand(n)
In [6]: x
Out[6]: 
array([[ 0.28548823,  0.28819589,  3.        ],
       [ 4.        ,  5.        ,  6.        ],
       [ 7.        ,  8.        ,  0.28772056]])

如果您希望值大于1,则可以按某种因子缩放随机生成的值;例如,np.random.rand(n) * m会产生介于0和np.product(x.shape)之间的值。

请注意,numpy.ravel默认情况下就位。