Question

我偶然发现了一个小问题，试图使用numpy在人群中创建随机选择的样本矩阵。

我要创建的是一个矩阵，每行代表我的总体样本，这样我就可以一次更高效地对每个样本进行操作。

我尝试执行以下操作：

import numpy as np

l = ["L"] * 36 + ["T1"]*20 + [0]*43

pop = np.array(l)

ech = np.random.choice(a = pop, size=7, replace=False)  # This is what I want my sample to be

A = np.full((30,1),7)  # Here I want 30 samples in my matrix

np.apply_along_axis(arr=A, func1d=np.random.choice, axis=1, a = pop)

但是，出现以下错误：

TypeError: choice() got multiple values for keyword argument 'a'

由于np.random.choice函数带有多个参数，因此我创建了一个用7填充的矩阵A（因为我希望从pop中获得7个元素的样本），以便size参数来自A的每一行的值，并且一个参数由a=pop结尾。

我想知道是否有人知道这里的错误以及如何解决它。

我用过的np.apply_along_axis来创建这个样本矩阵，因为我会用R中的apply函数以类似的方式来完成，但是也许有更好的方法吗？

Answer 1

您尝试使用apply_along_axis令人困惑，但是我认为您正在尝试这样做：

pop中的一个样本集：

In [110]: pop = list('abcdefgijklm')
In [111]: np.random.choice(pop, size=7, replace=False)
Out[111]: array(['g', 'm', 'f', 'l', 'c', 'i', 'k'], dtype='<U1')

作为以size作为参数的函数进行广播：

In [112]: f = lambda s: np.random.choice(pop, size=s, replace=False)

直接进行Python迭代，生成大小不同的样本：

In [113]: [f(i) for i in [3,5,4]]
Out[113]: 
[array(['j', 'b', 'l'], dtype='<U1'),
 array(['l', 'e', 'k', 'm', 'b'], dtype='<U1'),
 array(['k', 'm', 'j', 'b'], dtype='<U1')]

但是要制作示例数组，size必须相同，所以我们可以这样做：

In [114]: np.array([f(7) for _ in range(3)])
Out[114]: 
array([['a', 'f', 'm', 'd', 'e', 'l', 'j'],
       ['i', 'g', 'f', 'b', 'j', 'e', 'l'],
       ['j', 'm', 'k', 'i', 'l', 'a', 'b']], dtype='<U1')

但是由于您坚持使用apply_along_axis，因此可以采用以下方法：

In [122]: A = np.full((5,1), 7)
In [123]: np.apply_along_axis(f, 1, A)
Out[123]: 
array([['c', 'm', 'a', 'f', 'i', 'd', 'k'],
       ['j', 'm', 'k', 'd', 'b', 'l', 'g'],
       ['b', 'f', 'i', 'm', 'c', 'l', 'k'],
       ['k', 'f', 'd', 'l', 'b', 'c', 'g'],
       ['l', 'f', 'j', 'k', 'g', 'a', 'd']], dtype='<U1')

它将np.array([7])传递到f 5次，并将结果收集到一个数组中。在时间上，此apply版本比我的[113]迭代要慢一些。

要传递pop作为参数，我们必须定义一个func1d，例如：

In [135]: f = lambda s, a: np.random.choice(a, s, replace=False)
In [136]: np.apply_along_axis(f, 1, A, a=pop)
Out[136]: 
array([['j', 'd', 'b', 'f', 'c', 'l', 'k'],
       ['d', 'c', 'e', 'j', 'm', 'k', 'i'],
       ['l', 'g', 'j', 'k', 'e', 'f', 'a'],
       ['a', 'l', 'e', 'm', 'b', 'c', 'j'],
       ['j', 'e', 'g', 'f', 'l', 'd', 'a']], dtype='<U1')

当apply_along_axis为3d（或更大）时，

A很有用，并且您想将一个功能应用于一个轴，然后在另一个轴上进行迭代。比以下方法更容易应用：

 for i in range...:
     for j in range ...:
         res[i,j,:] = func1d(A[i,j,:])

但是您构造了一个2d数组（n，1），只是可以在第一个轴上进行迭代，将第二个（大小为1）的轴传递给该函数。在（n，）数组上进行迭代在概念上和计算上都更简单。

创建样本矩阵：带有np.apply_along_axis其他参数的问题

1 个答案: