在多维numpy数组中选择随机条目的有效方法

Question

我正在尝试找出一种更有效的方法来做到这一点。这是我的问题： a 有一个(m, n, 2)numpy 数组。为了清楚起见，我将维度称为总体、样本，对于每个样本，第 0 列是频率，第 1 列是幅度。对于每个样本，重复一些频率，但幅度不同。我想要的是一种为每个频率选择一个（并且只有一个）随机幅度并将其放入输出数组的有效方法。举例说明问题。假设第 m 个样本是：

1, 2

2, 3

2, 4

3, 5

并且输出应该是

1, 2

2, 4 (random choice between 3 and 4)

3, 5

此外，输出数组中的频率必须是另一个名为 的列表中的频率freq_compare。我有一个工作代码，但需要一段时间。如果这有帮助，则会对频率进行排序，但我事先不知道会有多少重复项（如果有的话），也不知道哪些频率会被重复。

这是我到目前为止所拥有的：

def make_dict(sample):

    """Produce a dictionary with the frequencies as keys and amplitudes as values."""

    per_freq = dict()

    freqs = list(set(sample[:,0]))# get list of all frequencies

    for f in freqs:

        per_freq[f] = [line[1] for line in sample if line[0] == f]

    return per_freq

output_random = np.zeros((m, len(freq_compare), 2))

for i in range(m):

    d = make_dict(all_data[i]) #original array

    keys = list(d.keys())

    for j in range(len(freq_compare)):

        if freq_compare[j] in keys:

            amp = np.random.choice(d[freq_compare[j]])

            output_random[i,j,:] = (freq_compare[j], amp)

        else:

            output_random[i,j,:] = (freq_compare[j], 0.0)

这样做 10 次大约需要 15 分钟，以获得一系列形状(3000, 400, 2)。有没有更有效的方法？也许在我迭代这些行时构建字典？

Answer 1

国际大学联盟：import numpym = 3000freq_compare = np.random.choice(np.arange(0,20), 8, replace=False)output_random = np.zeros((m, len(freq_compare), 2))a = np.random.randint(0, 20, (m, 400, 2))i = 0for r in a:     freqs = np.unique(r[:,0])     d = [[f, np.random.choice(r[r[:,0]==f, 1])] if f in freqs else [f, 0] for f in freq_compare]    output_random[i] = d    i+=1在我的本地机器中使用%timeit会导致：710 ms ± 97.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)