numpy - 使用 np.random.choice 从矩阵中重复采样
numpy - Sample repeatedly from matrix using np.random.choice
我有一个二维数组，其中每一行都是一个方向：
directions = np.array([[ 1, 0],
[-1, 0],
[ 0, 1],
[ 0,-1]])
我想从中采样几行，然后做一个cumsum（模拟随机游走）。最好的方法是使用 np.random.choice。例如，要采样 10 个步骤，请执行以下操作：
np.random.choice(directions, size=(10,1))
# returns 2D array of shape (10,2), where each row is
# randomly sampled from the previous one
当我 运行 这个时，我得到错误：
ValueError: a must be 1-dimensional
现在，我意识到我有一个二维数组，但在这种情况下它不应该像一维数组的一维数组那样工作吗？这不是广播规则的运作方式吗？
所以，我的问题是如何使这个二维数组充当一维数组的一维数组（即 2 个元素列）。
numpy.random.choice 的替代方法是在标准库中使用 random.choice。
In [1]: import numpy as np
In [2]: directions = np.array([[1,0],[-1,0],[0,1],[0,-1]])
In [3]: directions
Out[3]:
array([[ 1, 0],
[-1, 0],
[ 0, 1],
[ 0, -1]])
In [4]: from numpy.random import choice
In [5]: choice(directions)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-5-dd768952d6d1> in <module>()
----> 1 choice(directions)
mtrand.pyx in mtrand.RandomState.choice (numpy/random/mtrand/mtrand.c:10365)()
ValueError: a must be 1-dimensional
In [6]: import random
In [7]: random.choice(directions)
Out[7]: array([ 0, -1])
In [8]: choices = []
In [9]: for i in range(10):
...: choices.append(random.choice(directions))
...:
In [10]: choices
Out[10]:
[array([1, 0]),
array([ 0, -1]),
array([ 0, -1]),
array([-1, 0]),
array([1, 0]),
array([ 0, -1]),
array([ 0, -1]),
array([ 0, -1]),
array([-1, 0]),
array([1, 0])]
In [11]:
最简单的方法可能是使用索引。 choice的第一个参数说明如下：
If an ndarray, a random sample is generated from its elements. If an int, the random sample is generated as if a was np.arange(n)
你可以这样做：
directions = np.array([[ 1, 0],
[-1, 0],
[ 0, 1],
[ 0,-1]])
sampleInd = np.random.choice(directions.shape[0], size=(10,))
sample = directions[sampleInd]
请注意，如果您希望结果为二维数组，请将选择输出指定为一维 (10,) 向量而不是 (10, 1)，即二维。
现在你随机游走的最终目的地是
destination = np.sum(sample, axis = 0)
参数 axis = 0 是必需的，否则 sum 将把二维 sample 数组中的所有元素相加，而不是分别添加每一列。
我有一个二维数组，其中每一行都是一个方向：
directions = np.array([[ 1, 0],
[-1, 0],
[ 0, 1],
[ 0,-1]])
我想从中采样几行，然后做一个cumsum（模拟随机游走）。最好的方法是使用 np.random.choice。例如，要采样 10 个步骤，请执行以下操作：
np.random.choice(directions, size=(10,1))
# returns 2D array of shape (10,2), where each row is
# randomly sampled from the previous one
当我 运行 这个时，我得到错误：
ValueError: a must be 1-dimensional
现在，我意识到我有一个二维数组，但在这种情况下它不应该像一维数组的一维数组那样工作吗？这不是广播规则的运作方式吗？
所以，我的问题是如何使这个二维数组充当一维数组的一维数组（即 2 个元素列）。
numpy.random.choice 的替代方法是在标准库中使用 random.choice。
In [1]: import numpy as np
In [2]: directions = np.array([[1,0],[-1,0],[0,1],[0,-1]])
In [3]: directions
Out[3]:
array([[ 1, 0],
[-1, 0],
[ 0, 1],
[ 0, -1]])
In [4]: from numpy.random import choice
In [5]: choice(directions)
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-5-dd768952d6d1> in <module>()
----> 1 choice(directions)
mtrand.pyx in mtrand.RandomState.choice (numpy/random/mtrand/mtrand.c:10365)()
ValueError: a must be 1-dimensional
In [6]: import random
In [7]: random.choice(directions)
Out[7]: array([ 0, -1])
In [8]: choices = []
In [9]: for i in range(10):
...: choices.append(random.choice(directions))
...:
In [10]: choices
Out[10]:
[array([1, 0]),
array([ 0, -1]),
array([ 0, -1]),
array([-1, 0]),
array([1, 0]),
array([ 0, -1]),
array([ 0, -1]),
array([ 0, -1]),
array([-1, 0]),
array([1, 0])]
In [11]:
最简单的方法可能是使用索引。 choice的第一个参数说明如下：
If an ndarray, a random sample is generated from its elements. If an int, the random sample is generated as if a was np.arange(n)
你可以这样做：
directions = np.array([[ 1, 0],
[-1, 0],
[ 0, 1],
[ 0,-1]])
sampleInd = np.random.choice(directions.shape[0], size=(10,))
sample = directions[sampleInd]
请注意，如果您希望结果为二维数组，请将选择输出指定为一维 (10,) 向量而不是 (10, 1)，即二维。
现在你随机游走的最终目的地是
destination = np.sum(sample, axis = 0)
参数 axis = 0 是必需的，否则 sum 将把二维 sample 数组中的所有元素相加，而不是分别添加每一列。