Numpy随机数 拓展 - 洗牌和抽样

Numpy随机数 拓展 - 洗牌和抽样


In [1]:

import numpy as np

In [2]:

np.random.seed(10)
a = np.random.randint(100, 200,(3, 4))
a

Out[2]:

array([[109, 115, 164, 128],
       [189, 193, 129, 108],
       [173, 100, 140, 136]])

洗牌

改变原值

In [5]:

np.random.shuffle(a)

In [6]:

a

Out[6]:

array([[173, 100, 140, 136],
       [189, 193, 129, 108],
       [109, 115, 164, 128]])

permutation不改变原数组

按最外层维度洗牌

In [7]:

np.random.permutation(a)

Out[7]:

array([[189, 193, 129, 108],
       [173, 100, 140, 136],
       [109, 115, 164, 128]])

In [8]:

a

Out[8]:

array([[173, 100, 140, 136],
       [189, 193, 129, 108],
       [109, 115, 164, 128]])

多维数组仅沿最外层维度(0轴)洗牌

1维

In [9]:

b = np.array([0,1,50,20,300,4000,22])
b

np.random.permutation(b)

Out[9]:

array([4000,   20,   22,   50,  300,    0,    1])

2维

In [11]:

a

Out[11]:

array([[173, 100, 140, 136],
       [189, 193, 129, 108],
       [109, 115, 164, 128]])

In [24]:

np.random.permutation(a)

Out[24]:

array([[109, 115, 164, 128],
       [189, 193, 129, 108],
       [173, 100, 140, 136]])

3维

In [26]:

c = np.random.randint(100, 200, (2,3,4))
c

Out[26]:

array([[[115, 118, 180, 171],
        [188, 111, 117, 146],
        [107, 175, 128, 133]],

       [[184, 196, 188, 144],
        [105, 104, 171, 188],
        [188, 150, 154, 134]]])

In [27]:

np.random.permutation(c)

Out[27]:

array([[[184, 196, 188, 144],
        [105, 104, 171, 188],
        [188, 150, 154, 134]],

       [[115, 118, 180, 171],
        [188, 111, 117, 146],
        [107, 175, 128, 133]]])

抽取

In [28]:

np.random.seed(10)
d = np.random.randint(100, 200, 8)
d

Out[28]:

array([109, 115, 164, 128, 189, 193, 129, 108])

In [29]:

# 洗牌
np.random.permutation(d)

Out[29]:

array([128, 108, 189, 193, 129, 164, 109, 115])

In [50]:

# 抽取
np.random.choice(d)
np.random.choice(d, 4)  # 放回抽样,可能有重复值
np.random.choice(d, 4, replace=False)  # 不放回抽样,没有重复值

Out[50]:

array([193, 115, 128, 164])

In [51]:

# 抽取为多维数组
np.random.choice(d, (2, 3), replace=False)

Out[51]:

array([[109, 189, 128],
       [193, 129, 108]])

In [52]:

d

Out[52]:

array([109, 115, 164, 128, 189, 193, 129, 108])

In [77]:

# 设定抽取概率
np.random.choice(d, 2, replace=False, p=[0, 0.5, 0.3, 0.2,0,0,0,0])

Out[77]:

array([115, 164])
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,684评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,143评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,214评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,788评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,796评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,665评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,027评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,679评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,346评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,664评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,766评论 1 331
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,412评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,015评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,974评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,073评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,501评论 2 343

推荐阅读更多精彩内容