Question

我正在NumPy中编写一些建模例程，需要从NumPy数组中随机选择单元格并对它们进行一些处理。必须选择所有单元格而不进行替换（例如，一旦选择了单元格，就不能再次选择它，但必须在结尾处选择所有单元格。）

我正在从IDL过渡，在那里我可以找到一个很好的方法来做到这一点，但我认为NumPy有一个很好的方法来做到这一点。你会建议什么？

更新：我应该说我正在尝试在2D数组上执行此操作，因此会返回一组2D索引。

Answer 1

如果您还需要原始数组，请使用numpy.random.shuffle或numpy.random.permutation怎么样？

如果需要就地更改数组，则可以创建如下的索引数组：

your_array = <some numpy array>
index_array = numpy.arange(your_array.size)
numpy.random.shuffle(index_array)

print your_array[index_array[:10]]

Answer 2

所有这些答案对我来说似乎有点费解。

我假设你有一个多维数组，你想从中生成一个详尽的索引列表。您希望这些索引被随机排列，以便您可以随机顺序访问每个数组元素。

以下代码将以简单直接的方式执行此操作：

#!/usr/bin/python
import numpy as np

#Define a two-dimensional array
#Use any number of dimensions, and dimensions of any size
d=numpy.zeros(30).reshape((5,6))

#Get a list of indices for an array of this shape
indices=list(np.ndindex(d.shape))

#Shuffle the indices in-place
np.random.shuffle(indices)

#Access array elements using the indices to do cool stuff
for i in indices:
  d[i]=5

print d

打印d确认已访问过所有元素。

请注意，数组可以包含任意数量的维度，尺寸可以是任意大小。

这种方法的唯一缺点是，如果d很大，那么indices可能变得相当大。因此，拥有生成器会很不错。可悲的是，我无法想象如何建立一个改组的迭代器。

Answer 3

从@ WoLpH

扩展好的答案

对于2D数组，我认为这将取决于您想要或需要了解的索引。

你可以这样做：

data = np.arange(25).reshape((5,5))

x, y  = np.where( a = a)
idx = zip(x,y)
np.random.shuffle(idx)

或

data = np.arange(25).reshape((5,5)) grid = np.indices(data.shape) idx = zip( grid[0].ravel(), grid[1].ravel() ) np.random.shuffle(idx)

然后，您可以根据需要使用列表idx迭代随机排序的2D数组索引，并从data获取该索引处的值，该值保持不变。

注意：您也可以通过itertools.product生成随机排序的索引，以防您对这套工具更加熟悉。

Answer 4

使用random.sample在0 .. A.size中生成整数，没有重复项，然后将它们分成索引对：

import random
import numpy as np

def randint2_nodup( nsample, A ):
    """ uniform int pairs, no dups:
        r = randint2_nodup( nsample, A )
        A[r]
        for jk in zip(*r):
            ... A[jk]
    """
    assert A.ndim == 2
    sample = np.array( random.sample( xrange( A.size ), nsample ))  # nodup ints
    return sample // A.shape[1], sample % A.shape[1]  # pairs


if __name__ == "__main__":
    import sys

    nsample = 8
    ncol = 5
    exec "\n".join( sys.argv[1:] )  # run this.py N= ...
    A = np.arange( 0, 2*ncol ).reshape((2,ncol))

    r = randint2_nodup( nsample, A )
    print "r:", r
    print "A[r]:", A[r]
    for jk in zip(*r):
        print jk, A[jk]

Answer 5

假设您有一个大小为8x3的数据点数组

data = np.arange(50,74).reshape(8,-1)

如果你真的想要抽样，如你所说，所有指数都是2d对，我能想到的最紧凑的方法是：

#generate a permutation of data's size, coerced to data's shape
idxs = divmod(np.random.permutation(data.size),data.shape[1])

#iterate over it
for x,y in zip(*idxs): 
    #do something to data[x,y] here
    pass

但是，一般来说，人们通常不需要将二维数组作为二维数组来访问它们，在这种情况下，一个人可以更紧凑。只需在数组上创建一个视图，并为自己保存一些索引争用。

flat_data = data.ravel()
flat_idxs = np.random.permutation(flat_data.size)
for i in flat_idxs:
    #do something to flat_data[i] here
    pass

这仍将根据您的需要置换2d“原始”数组。要看到这一点，请尝试：

 flat_data[12] = 1000000
 print data[4,0]
 #returns 1000000

Answer 6

使用numpy 1.7或更高版本的人也可以使用内置函数numpy.random.choice

从NumPy阵列中随机选择单元格 - 无需替换

6 个答案: