从概率矩阵中做出random.choice

Question

我正在尝试创建将传入消息输出到端口的模拟器。 我得到了输入端口的数量（N）和输出端口的数量（M）以及N * M的平坦矩阵（mat）。我还收到了作为数组的传入消息数（in_freq）。 我认为，为了将每个消息从一个输入端口定向到一个输出端口，我应该使用numpy.random.choice，但没有使其正常工作。

我尝试的是：

 for k in range (N):  
       enqueue = np.random.choice(M, in_freq[k], p=[(mat[k*N:k*N+M-1])])

当入队消息的目的地数组时。

但是遇到了消息：

  

ValueError：对象太深，无法放入所需的数组

Answer 1

问题

正如hpaulj在评论中指出的那样，您看到的ValueError是由于您的p参数包装在列表括号[]中。这种list的额外包围使np.random.choice将p解释为形状为(1, x)的2D数组，而不是1D数组。由于您对np.random.choice的第一个参数是整数，因此该函数期望p为一维，因此在发现不是{D1}时将引发错误（有关详细信息，请参见choice docs）

您可以通过删除ValueError周围的括号来解决p：

enqueue = np.random.choice(M, in_freq[k], p=mat[k*N:k*N+M-1])

但是，现在您的代码将引发一个新的ValueError和不同的内容：

ValueError: a and p must have same size

此ValueError的原因是，生成展平NxM矩阵mat的行切片的方式不正确。

解决方案

从您问题的描述中，您似乎想要通过切片1D mat来遍历原始2D mat的行。您可以通过以下方法修复代码中的切片，以便在mat循环中遍历for的行：

import numpy as np

N = 10
M = 5

in_freq = np.random.randint(0, 10, N)
mat = np.random.rand(N, M)
# normalize so that each row is a probability dist
mat /= mat.sum(axis=1, keepdims=True)
# flatten to match OP's question
mat = mat.flat

for k in range(N):
    print((M*k, M*(k + 1)))
    enqueue = np.random.choice(M, in_freq[k], p=mat[M*k:M*(k + 1)])

测试

为了证明现在正在生成正确的切片，我添加了一条print语句，该语句在for循环的每次迭代中输出切片索引。这是它的输出：

(0, 5)
(5, 10)
(10, 15)
(15, 20)
(20, 25)
(25, 30)
(30, 35)
(35, 40)
(40, 45)
(45, 50)

这表明迭代mat的行所需的分片确实正在按预期生成。

关于将2D索引转换为其1D展平等效项的说明

给定一个具有N行和M列的数组，将2D x,y索引转换为平坦的1D等效项i的一般公式为：

i = x + M*y

您可以在此old thread中找到更深入的讨论。