numpy.random.choice 上的不同随机选择

Question

我正在使用函数 numpy.random.choice 一次生成随机样本。但我希望所有样本都不同。有人知道这样做的功能吗？明确地说，我想要这个：

import numpy as np
a = np.random.choice(62, size=(1000000, 8))
assert( len(set([tuple(a[i]) for i in range(a.shape[0])])) == a.shape[0])

整数上的值可以替换。唯一需要的是所有行条目都不同。

Answer 1

这个答案已经过精简。过时的方法可以在编辑历史中找到。

---

首先，如果您的 numpy 版本 >= 1.17，请避免将 np.random.choice 用于 recommended method：

rng = np.random.default_rng()
rng.choice

---

每个样本有 8 个值，对于 max_value = 62，您有 62**8 个唯一样本。根据birtday problem，想要仅获得 100 万个意味着 99.8% 的时间他们将在一次抽奖中都是独一无二的。在这种情况下，生成整个数组并进行简单检查就足够了。

samples = 1000000
while True:
    a = np.random.choice(62, size=(samples, 8))
    # Credit to Mark Dickinson, this is faster than doing
    # `len(set(tuple(row) for row in a)) == samples`
    if np.unique(a, axis=0).shape[0] == samples:
        break

对于 max_value 的较低值（小于 30），您可能会以足够的频率/确定性生成重复项，以致上述方法可能变得无效甚至无限循环。然后最好生成整个数组，将任何唯一的样本保存在一个集合中，然后生成更多你需要的样本。重复此过程，直到获得所需数量为止。

seen = set()
a = []
while len(a) < samples:
    draws = np.random.choice(62, size=(samples-len(a), 8))
    for draw in draws:
        if t := tuple(draw) not in seen:
            seen.add(t)
            a.append(draw)
a = np.array(a)

这假设您要抽取的样本数量远小于唯一样本的总数。例如，如果总数是 1001 个样本，而您想抽取 1000 个样本，那么这种方法很快就会变得低效。