numpy.random.Wahl vs random.Wahl

Warum numpy.random.Wahl nicht die selben, zufällig.Wahl? Wenn ich dies tun :

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

Es funktioniert.

Aber wenn ich das mache:

 >>> 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

Wie kann ich erreichen das gleiche Verhalten wie zufällig.Wahl() in numpy.random.Wahl()?

InformationsquelleAutor user2399453 | 2017-04-27

  1. 14

    Gut np.random.Auswahl wie bereits in den docs, erwartet ein 1D-array und Ihren input, wenn ausgedrückt als ein array wäre 2D. Also, es funktioniert nicht einfach so.

    Machen, damit es funktioniert, können wir Futter in der Länge der Eingabe und lassen Sie ihn wählen Sie einen index, der, wenn indiziert, die in den input, wäre gleichbedeutend mit einem aus random.choice, wie unten gezeigt -

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

    Probe Gefahren -

    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)

    Alternativ können wir konvertieren die Eingabe in ein 1D-array von object "dtype" und dass es uns ermöglichen würde, direkt zu verwenden np.random.choice, wie unten gezeigt -

    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)
    Sicher, aber es ist sehr ungeschickt, um es zu tun auf diese Weise. Ich will einfach nur zufällig Probe aus einem 1D-array von Objekten. numpy.random.Wahl() sollte wählen Sie einfach einen index nach dem Zufallsprinzip und zurück, wird das entsprechende Objekt zu mir. Nicht sicher, warum es nicht zu imitieren, das zufällige.Wahl () - Funktion aus, die die inutitive Verhalten. Zu erzwingen, dass Objekte in meiner Liste, werden von einem bestimmten Typ ist wirklich schlägt den Zweck.
    Nun, das ist, wie np.random.choice ausgelegt ist, entweder muss Leben mit es für so einen Fall mit den ungeschickt-setup ODER erstellen unsere eigenen. Hinzugefügt ein weiteres mit Objekt dtype, die es umgeht.
    a[np.random.choice(len(a),size=(2,3))] ist nicht ungeschickt, zumindest nicht meiner Meinung nach. Es fügt nur eine Schicht von Indizierung. Mit dieser konnte ich nur als einfach random Spalten a oder zufällige Ebenen in einer höheren dimension.

    InformationsquelleAutor Divakar

  2. 2

    Relatedly, wenn Sie wollen, um nach dem Zufallsprinzip Probe Zeilen einer 2D-matrix wie diese

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

    dann können Sie etwas wie das hier tun:

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

    Sollten für eine 2D-matrix mit einer beliebigen Anzahl von Spalten, und Sie können natürlich Probe jedoch oft Sie wollen, mit der size kwarg, etc.

    Thx, das ist das, was ich suchte.

    InformationsquelleAutor Ben Vincent

Schreibe einen Kommentar