使用列表中的隨機元素創建numpy數組

Question

是否有創建任意長numpy數組的有效方法，其中每個維度由n從長度列表中抽取的元素> = n？列表中的每個元素只能爲每個維度繪製一次。例如，如果我有列表l = ['cat', 'mescaline', 'popcorn']，我希望能夠，例如通過鍵入類似於np.random.pick_random(l, (3, 2), replace=false)之類的內容，創建一個數組array([['cat', 'popcorn'], ['cat', 'popcorn'], ['mescaline', 'cat']])。

謝謝。

Answer 1

即使世界幾個這樣的方式，每個人都有自己的優點/缺點，以下四個地方只是 從我的頭頂......

• 蟒蛇自己random.sample ，雖然它可能不是最快...
• numpy.random.permutation再簡單但它創建了我們必須切片的副本，ouch！
• numpy.random.shuffle因爲它洗牌到位，速度更快，但我們仍需要切片。
• numpy.random.sample是最快的，但它只能在區間0到1，所以我們必須 正常化它，並將其轉換爲整數來獲得隨機指數，在最後我們還是 要切片，注正火到我們想要的大小不會產生均勻的隨機分佈。

這是一些基準。

import timeit 
from matplotlib import pyplot as plt 

setup = \ 
""" 
import numpy 
import random 

number_of_members = 20 
values = range(50) 
""" 

number_of_repetitions = 20 
array_sizes = (10, 200) 

python_random_times = [timeit.timeit(stmt = "[random.sample(values, number_of_members) for index in xrange({0})]".format(array_size), 
            setup = setup,      
            number = number_of_repetitions) 
             for array_size in xrange(*array_sizes)] 

numpy_permutation_times = [timeit.timeit(stmt = "[numpy.random.permutation(values)[:number_of_members] for index in xrange({0})]".format(array_size), 
           setup = setup, 
           number = number_of_repetitions) 
            for array_size in xrange(*array_sizes)] 

numpy_shuffle_times = [timeit.timeit(stmt = \ 
           """ 
           random_arrays = [] 
           for index in xrange({0}): 
            numpy.random.shuffle(values) 
            random_arrays.append(values[:number_of_members]) 
           """.format(array_size), 
           setup = setup, 
           number = number_of_repetitions) 
            for array_size in xrange(*array_sizes)]                  

numpy_sample_times = [timeit.timeit(stmt = \ 
            """ 
            values = numpy.asarray(values) 
            random_arrays = [values[indices][:number_of_members] 
               for indices in (numpy.random.sample(({0}, len(values))) * len(values)).astype(int)] 
            """.format(array_size), 
            setup = setup, 
            number = number_of_repetitions) 
             for array_size in xrange(*array_sizes)]                                    

line_0 = plt.plot(xrange(*array_sizes), 
          python_random_times, 
          color = 'black', 
          label = 'random.sample') 

line_1 = plt.plot(xrange(*array_sizes), 
     numpy_permutation_times, 
     color = 'red', 
     label = 'numpy.random.permutations' 
     ) 

line_2 = plt.plot(xrange(*array_sizes), 
        numpy_shuffle_times, 
        color = 'yellow', 
        label = 'numpy.shuffle') 

line_3 = plt.plot(xrange(*array_sizes), 
        numpy_sample_times, 
        color = 'green', 
        label = 'numpy.random.sample') 

plt.xlabel('Number of Arrays') 
plt.ylabel('Time in (s) for %i rep' % number_of_repetitions) 
plt.title('Different ways to sample.') 
plt.legend() 

plt.show() 

和結果：

所以看起來numpy.random.permutation是最差的，並不奇怪，蟒蛇自己random.sample拿着它自己的，所以它看起來像numpy.random.shuffle之間的緊密的賽程和numpy.random.sample與numpy.random.sample衝出來，所以要麼應該足夠，即使numpy.random.sample有更高的內存佔用我仍然喜歡它，因爲我真的不需要構建陣列我只需要隨機ind冰...

$ uname -a 
Darwin Kernel Version 10.8.0: Tue Jun 7 16:33:36 PDT 2011; root:xnu-1504.15.3~1/RELEASE_I386 i386 

$ python --version 
Python 2.6.1 

$ python -c "import numpy; print numpy.__version__" 
1.6.1 

UPDATE

可惜numpy.random.sample不借鑑人口獨特的元素，所以你會得到repitation，所以才堅持洗牌一樣快。

更新2

如果你想保持numpy的範圍內充分利用它的一些內置的功能，就像這些值轉換爲numpy的陣列。

import numpy as np 
values = ['cat', 'popcorn', 'mescaline'] 
number_of_members = 2 
N = 1000000 
random_arrays = np.asarray([values] * N) 
_ = [np.random.shuffle(array) for array in random_arrays] 
subset = random_arrays[:, :number_of_members] 

注意到，N這裏是因爲這樣你會得到置換的重複次數，由排列我的意思是值的順序排列內不重複的值，因爲從根本上那裏有任何置換的有限數量相當大給出有限集合，如果只計算整個集合然後它的n !,如果只選擇k個元素它的n！/（n - k）！即使情況並非如此，這意味着我們的集合要大得多，但是依賴於隨機函數實現，我們仍然可能會重複，因爲shuffle/permutation/...等僅適用於當前集合，並且不知道的人口，這可能或可能不可接受，取決於你想要達到的目標，如果你想要一組獨特的排列，那麼你將生成該集合並對其進行二次抽樣。

Answer 2

這裏是一種使用numpy的的np.random.randint做到這一點：

In [68]: l = np.array(['cat', 'mescaline', 'popcorn']) 

In [69]: l[np.random.randint(len(l), size=(3,2))] 
Out[69]: 
array([['cat', 'popcorn'], 
     ['popcorn', 'popcorn'], 
     ['mescaline', 'cat']], 
     dtype='|S9') 

編輯：後的其他細節，每一個元素應該各行

中最多一次出現，這是不是很節省空間，做你需要更好的東西？

In [29]: l = np.array(['cat', 'mescaline', 'popcorn']) 

In [30]: array([np.random.choice(l, 3, replace=False) for i in xrange(5)]) 
Out[30]: 
array([['mescaline', 'popcorn', 'cat'], 
     ['mescaline', 'popcorn', 'cat'], 
     ['popcorn', 'mescaline', 'cat'], 
     ['mescaline', 'cat', 'popcorn'], 
     ['mescaline', 'cat', 'popcorn']], 
     dtype='|S9') 

Answer 3

>>> import numpy 
>>> l = numpy.array(['cat', 'mescaline', 'popcorn']) 
>>> l[numpy.random.randint(0, len(l), (3, 2))] 
array([['popcorn', 'mescaline'], 
     ['mescaline', 'popcorn'], 
     ['cat', 'cat']], 
     dtype='|S9')