Numpy:从2D数组中获取随机行集合
Numpy:从2D数组中获取随机行集合
提问于 2013-01-11 00:30:47
我有一个非常大的2D数组，它看起来像这样：
a=
[[a1, b1, c1],
[a2, b2, c2],
...,
[an, bn, cn]]使用a，有没有一种简单的方法来获得一个新的2D数组，例如，从初始数组numpy中随机获得2行(不需要替换)？
例如：
b=
[[a4, b4, c4],
[a99, b99, c99]]回答 8
Stack Overflow用户
回答已采纳
发布于 2013-01-11 00:35:10
>>> A = np.random.randint(5, size=(10,3))
>>> A
array([[1, 3, 0],
[3, 2, 0],
[0, 2, 1],
[1, 1, 4],
[3, 2, 2],
[0, 1, 0],
[1, 3, 1],
[0, 4, 1],
[2, 4, 2],
[3, 3, 1]])
>>> idx = np.random.randint(10, size=2)
>>> idx
array([7, 6])
>>> A[idx,:]
array([[0, 4, 1],
[1, 3, 1]])把它们放在一起，形成一个一般的情况：
A[np.random.randint(A.shape[0], size=2), :]对于非替换(numpy 1.7.0+)：
A[np.random.choice(A.shape[0], 2, replace=False), :]在1.7版本之前，我不相信有一个好的方法来生成随机列表而不进行替换。也许您可以设置一个较小的定义，以确保两个值不相同。
Stack Overflow用户
发布于 2015-01-07 16:37:05
这是一个老帖子，但这是最适合我的：
A[np.random.choice(A.shape[0], num_rows_2_sample, replace=False)]将replace=False更改为True以获得相同的结果，但需要替换。
Stack Overflow用户
发布于 2015-08-04 02:58:14
另一种选择是创建一个随机掩码，如果您只想按某个因子对数据进行下采样。假设我想将原始数据集的下采样降至25%，该数据集当前保存在数组data_arr中
# generate random boolean mask the length of data
# use p 0.75 for False and 0.25 for True
mask = numpy.random.choice([False, True], len(data_arr), p=[0.75, 0.25])现在，您可以调用data_arr[mask]并返回大约25%的随机抽样的行。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/14262654
复制相关文章
相似问题
腾讯云开发者
