arrays - 生成大量随机卡牌 - NumPy

Question

我需要生成大量随机扑克牌。速度很重要，因此一切都必须采用 numpy 矩阵形式。

我知道我可以从一副牌中生成两张牌，如下所示:

np.random.choice(12*4,2, replace=False)

如何执行相同的查询以便在不使用 for 循环的情况下创建二维数组？困难在于每一轮都需要从原始堆栈中进行分配，因此替换仅对于行为 true，而对于列为 False。

我也尝试过

originalDeck=np.arange(1,12*4)
np.random.shuffle(originalDeck)

但是这里我们也需要生成originalDeck的二维数组，然后生成每一行？这可能吗？

Answer 1

由于您只寻找一对卡片，因此您只有 1128 可能的对(没有替换)，因此您可以生成所有对，然后从该组中随机选择卡片:

from itertools import combinations
# There may be a better way to generate all possible pairs in numpy,
# but I am not aware of and this is pretty fast for this size
all_pairs = np.array(list(combinations(range(12 * 4), 2)))
cards = all_pairs[np.random.randint(all_pairs.shape[0], size = N_PAIRS), :]

其中 N_PAIRS 是您想要的对数。

基准:

In [55]: # Input params
    ...: N = 1000000 # Number of queries
    ...: M = 2 # Number of cards to be picked
    ...: 
    ...: def original_app(N,M):
    ...:     out = np.empty((N,2),dtype=int)
    ...:     for i in range(N):
    ...:         out[i] = np.random.choice(12*4,M, replace=False)
    ...:     return out
    ...: 
    ...: def vectorized_app(N,M):
    ...:     return np.argpartition(np.random.rand(N,12*4),M,axis=1)[:,:M]
    ...: 
    ...: def itertools_app(N,M):
    ...:     all_pairs = np.array(list(combinations(range(12 * 4), M)))
    ...:     return all_pairs[np.random.randint(all_pairs.shape[0], size = N), :]

In [46]: %timeit original_app(N,M)
1 loops, best of 3: 10.8 s per loop

In [47]: %timeit vectorized_app(N,M)
1 loops, best of 3: 618 ms per loop

In [48]: %timeit itertools_app(N,M)
10 loops, best of 3: 24.8 ms per loop

当M非常小时，此方法非常快，随着M变大，组合数量呈指数级增加，甚至会创建all_pairs 数组是不可能的(使用 M = 5 已有约 1700000 种可能的组合)。