gpt4 book ai didi

python - 为 2D NumPy 数组的每一行高效应用不同的排列

转载 作者:行者123 更新时间:2023-12-01 00:51:33 25 4
gpt4 key购买 nike

给定一个矩阵 A,我想对 A 的不同行应用不同的随机洗牌;例如,

array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])

变成

array([[1, 3, 2],
[6, 5, 4],
[7, 9, 8]])

当然我们可以循环遍历矩阵,让每一行随机打乱;但是迭代很慢,我想知道是否有更有效的方法来做到这一点。

最佳答案

从 Divakar 那里学到了这个巧妙的技巧,其中涉及 randnargsort:

np.random.seed(0)

s = np.arange(16).reshape(4, 4)
np.take_along_axis(s, np.random.randn(*s.shape).argsort(axis=1), axis=1)

array([[ 1, 0, 3, 2],
[ 4, 6, 5, 7],
[11, 10, 8, 9],
[14, 12, 13, 15]])

对于二维数组,这可以简化为

s[np.arange(len(s))[:,None], np.random.randn(*s.shape).argsort(axis=1)]

array([[ 1, 0, 3, 2],
[ 4, 6, 5, 7],
[11, 10, 8, 9],
[14, 12, 13, 15]])
<小时/>

您还可以独立地对每一行应用np.random.permutation以返回一个新数组。

np.apply_along_axis(np.random.permutation, axis=1, arr=s)

array([[ 3, 1, 0, 2],
[ 4, 6, 5, 7],
[ 8, 9, 10, 11],
[15, 14, 13, 12]])
<小时/>

性能 -

s = np.arange(10000 * 100).reshape(10000, 100) 

%timeit s[np.arange(len(s))[:,None], np.random.randn(*s.shape).argsort(axis=1)]
%timeit np.apply_along_axis(np.random.permutation, 1, s)

84.6 ms ± 857 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
842 ms ± 8.06 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

我注意到这取决于您数据的维度,请务必先进行测试。

关于python - 为 2D NumPy 数组的每一行高效应用不同的排列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56534309/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com