獲取{} ValueError錯誤「A」必須爲1 - dimensoinal從np.random.choice

列出的名單，我想創建一個玩具訓練從XOR功能設置：獲取{} ValueError錯誤「A」必須爲1 - dimensoinal從np.random.choice

xor = [[0, 0, 0], 
     [0, 1, 1], 
     [1, 0, 1], 
     [1, 1, 0]] 

input_x = np.random.choice(a=xor, size=200)

然而，這是給我

{ValueError} 'a' must be 1-dimensoinal

但是，如果我加上eg一個數字到這個清單：

xor = [[0, 0, 0], 
     [0, 1, 1], 
     [1, 0, 1], 
     [1, 1, 0], 
     1337]  # With this it will work 

input_x = np.random.choice(a=xor, size=200)

它開始工作。爲什麼會出現這種情況，如何在不需要向xor列表中添加另一個基元的情況下如何進行此項工作？

來源

2017-01-17 displayname

你從'np.random.choice期望（A = XOR，大小= 200 ）'單個數字還是具有3個值的數組？ – BloodyD

@BloodyD我期望從'xor'中有200個隨機抽取樣本的列表。 – displayname

爲什麼不直接使用'random.choice'呢？因爲你已經在使用Python的列表。 –

在一個陣列的情況下，我會做到以下幾點：

xor = np.array([[0,0,0], 
     [0,1,1], 
     [1,0,1], 
     [1,1,0]]) 
indices = np.arange(len(xor)) 
rnd_indices = np.random.choice(indices, size=200) 

xor_data = xor[rnd_indices]

來源

2017-01-17 13:30:07 BloodyD

嗯，我想我必須走這條路：D謝謝:) – displayname

你也可以優化代碼，正如其他人提出的'np.random.choice（len（xor），size = 200）';） – BloodyD

如果你想要一個xor的隨機列表，你應該這樣做。

xor[np.random.choice(len(xor),1)]

來源

2017-01-17 13:29:27 Anomitra

有趣！似乎numpy首先隱式地將輸入轉換爲np.array。所以，你的第一個輸入

np.array(xor).shape == (4, 3)

而對於第二個值

np.array(xor).shape == (5,)

因此，第二值由numpy的一維見過！

所以，選擇一個隨機行，隨便挑一個隨機指數，然後將相應的行

ind = np.choice(len(xor)) 
random_row = xor[ind, :]

來源

2017-01-17 13:30:55

是的，numpy會嘗試識別數組中的值的公共數據類型。在第一種情況下，這是'int'，但在第二種情況下它只是'object'，因爲它比較了同一維中的對象。因此，你得到了一個dtype'object'的數組和第二個值爲 – BloodyD

的形狀'（5，）'，這很好的解釋。你記得在文檔（或任何其他來源）中提到的位置嗎？ numpy文檔有點稀疏...... –

我不知道，這裏的文檔在哪裏，但我自己面對過幾次。 *編輯*短谷歌搜索：https：//docs.scipy.org/doc/numpy/reference/generated/numpy.array.html#numpy.array「[...] dtype：數據類型，可選所需的數據如果沒有給出**，那麼類型將被確定爲保持序列中對象所需的最小類型[...]「 – BloodyD

可以使用random包代替：對性能

import random 
input_x = [random.choice(xor) for _ in range(200)]

來源

2017-01-17 13:33:23

我不認爲你想轉置' xor'。 – Goyo

我假設樣本是4個元素。但我會更新答案，謝謝！ –

有了焦點，我們可以使用這四個數字的十進制數等價物，將這些數字提供給np.random.choice()以生成200這些隨機選擇的數字，最後通過位移操作獲得它們的二進制等值。

因此，實現將是 -

def bitshift_approach(N): 
    nums = np.random.choice(np.array([0,3,5,6]),size=(N)) 
    return ((nums & (1 << np.arange(3))[:,None])!=0).T.astype(int)

另一種方法是使用非常相似，其他人建議使用np.random.choice(len(xor)生成行索引，然後使用row-indexing選擇rows關閉xor。稍作修改就是使用np.take來選擇這些行。有了這樣的重複指數，就像這裏的情況一樣，這應該是高性能的。

因此，另一種方法是 -

np.take(xor,np.random.choice(len(xor), size=N))

運行測試 -

In [42]: N = 200 

In [43]: %timeit xor[np.random.choice(np.arange(len(xor)), size=N)] 
    ...: %timeit xor[np.random.choice(len(xor), size=N)] 
    ...: %timeit bitshift_approach(N) 
    ...: %timeit np.take(xor,np.random.choice(len(xor), size=N)) 
    ...: 
10000 loops, best of 3: 43.3 µs per loop 
10000 loops, best of 3: 38.3 µs per loop 
10000 loops, best of 3: 59.4 µs per loop 
10000 loops, best of 3: 35 µs per loop 

In [44]: N = 1000 

In [45]: %timeit xor[np.random.choice(np.arange(len(xor)), size=N)] 
    ...: %timeit xor[np.random.choice(len(xor), size=N)] 
    ...: %timeit bitshift_approach(N) 
    ...: %timeit np.take(xor,np.random.choice(len(xor), size=N)) 
    ...: 
10000 loops, best of 3: 69.5 µs per loop 
10000 loops, best of 3: 64.7 µs per loop 
10000 loops, best of 3: 77.7 µs per loop 
10000 loops, best of 3: 38.7 µs per loop 

In [46]: N = 10000 

In [47]: %timeit xor[np.random.choice(np.arange(len(xor)), size=N)] 
    ...: %timeit xor[np.random.choice(len(xor), size=N)] 
    ...: %timeit bitshift_approach(N) 
    ...: %timeit np.take(xor,np.random.choice(len(xor), size=N)) 
    ...: 
1000 loops, best of 3: 363 µs per loop 
1000 loops, best of 3: 351 µs per loop 
1000 loops, best of 3: 225 µs per loop 
10000 loops, best of 3: 134 µs per loop

來源

2017-01-17 13:52:35 Divakar

獲取{} ValueError錯誤「A」必須爲1 - dimensoinal從np.random.choice

回答

相關問題