我正在尝试用替换的方式逐行采样一个形状为(4,2)的base
2D numpy数组,比如10次。最终输出应该是一个3Dnumpy数组。
我已经尝试了下面的代码,它是有效的。但是有没有一种方法可以不使用for循环呢?
base=np.array([[20,30],[50,60],[70,80],[10,30]])
print(np.shape(base))
nsample=10
tmp=np.zeros((np.shape(base)[0],np.shape(base)[1],10))
for i in range(nsample):
id_pick = np.random.choice(np.shape(base)[0], size=(np.shape(base)[0]))
print(id_pick)
boot1=base[id_pick,:]
tmp[:,:,i]=boot1
print(tmp)
发布于 2019-05-23 04:29:19
这里有一个矢量化的方法-
m,n = base.shape
idx = np.random.randint(0,m,(m,nsample))
out = base[idx].swapaxes(1,2)
基本思想是以np.random.randint
作为idx
生成所有可能的索引。这将是一个形状(m,nsample)
数组。我们使用这个数组沿着第一个轴索引到输入数组中。因此,它选择base
上的随机行。要获得具有形状(m,n,nsample)
的最终输出,我们需要交换最后两个轴。
发布于 2019-05-23 04:32:50
您可以使用numpy中的stack函数。然后,您的代码将如下所示:
base=np.array([[20,30],[50,60],[70,80],[10,30]])
print(np.shape(base))
nsample=10
tmp = []
for i in range(nsample):
id_pick = np.random.choice(np.shape(base)[0], size=(np.shape(base)[0]))
print(id_pick)
boot1=base[id_pick,:]
tmp.append(boot1)
tmp = np.stack(tmp, axis=-1)
print(tmp)
https://stackoverflow.com/questions/56264456
复制相似问题