我有一个包含X
行和R
列的数组C
。我希望生成一个名为a_array
的新数组,其中每个元素将根据X
中其对应行的平均值和标准偏差随机生成。使用Numpy进行此操作的最有效的Python方法是什么?
目前,我正在使用嵌套循环来生成元素级数字。
a_array = np.zeros(shape=(a_size, X.shape[0]))
for i in range(a_size):
for j in range(X.shape[0]):
a_array[i][j] = np.random.randint(low=X[i].mean()-X[i].std(), high=X[i].mean()+X[i].std())
编辑:对不起,我忘记了一些东西,但我也想确保a_array的每一行都包含唯一元素(任何行中都没有重复的元素)。到目前为止,我还没有想到任何实现此目的的方法。
最佳答案
部分向量化
我们可以将其减少到一个循环-
m,s = X[:a_size].mean(1),X[:a_size].std(1)
L = (m-s).astype(int)
H = (m+s).astype(int)
out = np.empty((a_size,X.shape[0]),dtype=int)
for i,(l,h) in enumerate(zip(L,H)):
out[i] = np.random.choice(np.arange(l,h),X.shape[0],replace=False)
基本思路:
计算沿第二个轴的均值和标准差值。在此之前,如果
X
不是a_size
中的行数,则需要切片a_size
将其限制为X
行。在原始的循环版本中,我们将
random.randint
用作均值-std和均值+ std的限制。因此,对于建议的版本,使用步骤1中的均值和标准差值获得上下限。使用
np.random.choice(np.arange(l,h),X.shape[0],replace=False)
的低值和高值运行循环,以设置值范围以选择,并选择大小为X.shape[0]
的随机值和使用replace=False
的唯一值。完全矢量化
我们可以使用1和2中列出的技巧将其完全矢量化,从而为我们提供类似于以下内容的内容,以代替之前列出的循环步骤:
R = H-L
MX = R.max()
n = X.shape[0]
unqIDs = np.random.rand(len(L),MX).argpartition(axis=1,kth=n)[:,:n]
out = unqIDs%R[:,None] + L[:,None]
请注意,这将占用更多的内存。