numpy.random.choice vs random.choice

Question

为什么numpy.random.choice与random.choice的工作方式不同？当我这样做时：

 >>> random.choice([(1,2),(4,3)])
 (1, 2)

有效。

但是当我这样做时：

 >>> np.random.choice([(1,2), (3,4)])
 Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
 File "mtrand.pyx", line 1393, in mtrand.RandomState.choice 
 (numpy/random/mtrand/mtrand.c:15450)
 ValueError: a must be 1-dimensional

如何在numpy.random.choice（）中实现与random.choice（）相同的行为？

Answer 1

正如文档中所提到的那样np.random.choice，期望一维数组和表达为数组时的输入为2D。所以，它不会像那样工作。

为了使它工作，我们可以输入输入的长度并让它选择一个索引，当索引到输入时将是random.choice的等效索引，如下所示 -

out = a[np.random.choice(len(a))] # a is input

示例运行 -

In [74]: a = [(1,2),(4,3),(6,9)]

In [75]: a[np.random.choice(len(a))]
Out[75]: (6, 9)

In [76]: a[np.random.choice(len(a))]
Out[76]: (1, 2)

或者，我们可以将输入转换为对象dtype的1D数组，这样我们就可以直接使用np.random.choice，如下所示 -

In [131]: a0 = np.empty(len(a),dtype=object)

In [132]: a0[:] = a

In [133]: a0.shape
Out[133]: (3,)  # 1D array

In [134]: np.random.choice(a0)
Out[134]: (6, 9)

In [135]: np.random.choice(a0)
Out[135]: (4, 3)

Answer 2

相关地，如果你想随机采样像这样的2D矩阵的行

x = np.array([[1, 100], [2, 200], [3, 300], [4, 400]])

然后你可以这样做：

n_rows = x.shape[0]
x[np.random.choice(n_rows, size=n_rows, replace=True), :]

应该适用于具有任意数量列的2D矩阵，您当然可以使用size kwarg等多次对其进行采样。