Numpy: รับชุดสุ่มแถวจากอาร์เรย์ 2 มิติ

ฉันมีอาร์เรย์ 2 มิติที่มีขนาดใหญ่มากซึ่งมีลักษณะดังนี้:

a=
[[a1, b1, c1],
 [a2, b2, c2],
 ...,
 [an, bn, cn]]

การใช้ numpy มีวิธีง่าย ๆ ในการรับอาร์เรย์ 2D ใหม่ด้วยเช่น 2 แถวสุ่มจากอาร์เรย์เริ่มต้นa(โดยไม่มีการแทนที่)?

เช่น

b=
[[a4,  b4,  c4],
 [a99, b99, c99]]

>>> 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]])

นำมารวมกันเป็นกรณีทั่วไป:

A[np.random.randint(A.shape[0], size=2), :]

สำหรับการทดแทนที่ไม่ใช่ (จำนวน 1.7.0+):

A[np.random.choice(A.shape[0], 2, replace=False), :]

ฉันไม่เชื่อว่ามีวิธีที่ดีในการสร้างรายการแบบสุ่มโดยไม่ต้องเปลี่ยนก่อน 1.7 บางทีคุณสามารถตั้งค่าคำจำกัดความเล็ก ๆ ที่รับรองว่าค่าทั้งสองนั้นไม่เหมือนกัน

นี่คือโพสต์เก่า แต่นี่คือสิ่งที่ดีที่สุดสำหรับฉัน:

A[np.random.choice(A.shape[0], num_rows_2_sample, replace=False)]

เปลี่ยน replace = False เป็น True เพื่อให้ได้สิ่งเดียวกัน แต่เปลี่ยนได้

อีกทางเลือกหนึ่งคือการสร้างมาสก์แบบสุ่มหากคุณต้องการเก็บตัวอย่างข้อมูลของคุณด้วยปัจจัยบางอย่าง สมมติว่าฉันต้องการตัวอย่างลดลงเหลือ 25% ของชุดข้อมูลดั้งเดิมของฉันซึ่งปัจจุบันอยู่ในอาร์เรย์data_arr:

# 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])

ตอนนี้คุณสามารถโทรหาdata_arr[mask]และส่งคืนแถวที่ 25 ~ สุ่มตัวอย่างแบบสุ่ม

นี่เป็นคำตอบที่คล้ายกับที่ Hezi Rasheff จัดไว้ให้ แต่ผู้ใช้งานงูใหญ่รุ่นใหม่เข้าใจว่าเกิดอะไรขึ้น (ฉันสังเกตเห็นว่านักเรียน datascience ใหม่จำนวนมากดึงตัวอย่างแบบสุ่มในวิธีที่แปลกประหลาดเพราะพวกเขาไม่รู้ว่ากำลังทำอะไรอยู่ในหลาม)

คุณสามารถรับดัชนีสุ่มจำนวนมากจากอาร์เรย์ของคุณโดยใช้:

indices = np.random.choice(A.shape[0], amount_of_samples, replace=False)

จากนั้นคุณสามารถใช้การแบ่งส่วนกับอาร์เรย์ numpy ของคุณเพื่อรับตัวอย่างที่ดัชนีเหล่านั้น:

A[indices]

สิ่งนี้จะทำให้คุณได้จำนวนตัวอย่างที่สุ่มจากข้อมูลของคุณ

ฉันเห็นการเปลี่ยนแปลงได้รับการแนะนำ ในความเป็นจริงมันสามารถทำให้เป็นหนึ่งบรรทัด:

>>> A = np.random.randint(5, size=(10,3))
>>> np.random.permutation(A)[:2]

array([[0, 3, 0],
       [3, 1, 2]])

หากคุณต้องการแถวเดียวกัน แต่เป็นเพียงกลุ่มตัวอย่างแบบสุ่ม

import random
new_array = random.sample(old_array,x)

ที่นี่ x ต้องเป็น 'int' เพื่อกำหนดจำนวนแถวที่คุณต้องการสุ่มเลือก

หากคุณต้องการสร้างแถวย่อยหลายชุดแบบสุ่มตัวอย่างเช่นหากคุณทำ RANSAC

num_pop = 10
num_samples = 2
pop_in_sample = 3
rows_to_sample = np.random.random([num_pop, 5])
random_numbers = np.random.random([num_samples, num_pop])
samples = np.argsort(random_numbers, axis=1)[:, :pop_in_sample]
# will be shape [num_samples, pop_in_sample, 5]
row_subsets = rows_to_sample[samples, :]