大量选择以产生具有所有唯一值的2D数组

Question

所以我想知道是否存在一种更有效的解决方案，该方法使用np.random.choice每行具有唯一值的位置生成二维数组。

例如，对于具有shape的数组(3,4)，我们期望输出为：

# Expected output given a shape (3,4)

array([[0, 1, 3, 2],

       [2, 3, 1, 0],

       [1, 3, 2, 0]])

这意味着每行的值在列数方面必须是唯一的。因此，对于中的每一行out，整数应仅介于0到3之间。

我知道，我可以通过传递实现它False的replace论据。但是我只能为每一行而不是整个矩阵执行此操作。例如，我可以这样做：

>>> np.random.choice(4, size=(1,4), replace=False)

array([[0,2,3,1]])

但是当我尝试这样做时：

>>> np.random.choice(4, size=(3,4), replace=False)

我收到这样的错误：

 File "<stdin>", line 1, in <module>

 File "mtrand.pyx", line 1150, in mtrand.RandomState.choice 

 (numpy\random\mtrand\mtrand.c:18113)

 ValueError: Cannot take a larger sample than population when 

 'replace=False'

我认为这是因为3 x 4 = 12由于矩阵的大小，它试图绘制样本而不进行替换，但我只给出了极限4。

我知道我可以通过使用解决for-loop：

 >>> a = (np.random.choice(4,size=4,replace=False) for _ in range(3))

 >>> np.vstack(a)

 array([[3, 1, 2, 0],

        [1, 2, 0, 3],

        [2, 0, 3, 1]])

但是我想知道是否有一种不使用任何for循环的解决方法？（我有点假设，如果我的行数大于1000，则添加for循环可能会使速度变慢。但是如您所见，我实际上是在创建生成器，a因此我也不知道它是否有效果毕竟。）

Answer 1

我经常使用的一个技巧是生成一个随机数组，并argsort用于获取唯一索引作为所需的唯一数字。因此，我们可以-def random_choice_noreplace(m,n, axis=-1):&nbsp; &nbsp; # m, n are the number of rows, cols of output&nbsp; &nbsp; return np.random.rand(m,n).argsort(axis=axis)样品运行-In [98]: random_choice_noreplace(3,7)Out[98]:&nbsp;array([[0, 4, 3, 2, 6, 5, 1],&nbsp; &nbsp; &nbsp; &nbsp;[5, 1, 4, 6, 0, 2, 3],&nbsp; &nbsp; &nbsp; &nbsp;[6, 1, 0, 4, 5, 3, 2]])In [99]: random_choice_noreplace(5,7, axis=0) # unique nums along colsOut[99]:&nbsp;array([[0, 2, 4, 4, 1, 0, 2],&nbsp; &nbsp; &nbsp; &nbsp;[1, 4, 3, 2, 4, 1, 3],&nbsp; &nbsp; &nbsp; &nbsp;[3, 1, 1, 3, 2, 3, 0],&nbsp; &nbsp; &nbsp; &nbsp;[2, 3, 0, 0, 0, 2, 4],&nbsp; &nbsp; &nbsp; &nbsp;[4, 0, 2, 1, 3, 4, 1]])运行时测试-# Original approachdef loopy_app(m,n):&nbsp; &nbsp; a = (np.random.choice(n,size=n,replace=False) for _ in range(m))&nbsp; &nbsp; return np.vstack(a)时间-In [108]: %timeit loopy_app(1000,100)10 loops, best of 3: 20.6 ms per loopIn [109]: %timeit random_choice_noreplace(1000,100)100 loops, best of 3: 3.66 ms per loop

Answer 2

如果我x不更换就进行采样，那意味着我所取的样本量为<len(x)，否则该样本将始终相同x，除了顺序。所以，如果我想随机抽样y的元素x，此方法将确保我可以只从第一个绘制y的价值x..