【发布时间】:2019-05-23 23:26:20
【问题描述】:
我想在重采样后从给定的 numpy(比如input_list)创建一个数组(比如output_list),这样input_list 的每个元素至少存在一次output_list。 output_list 的长度将始终 > input_list. 的长度
我尝试了几种方法,并且正在寻找一种更快的方法。不幸的是,numpy 的random.choice 并不能保证至少存在一个元素。
第 1 步:生成数据
import string
import random
import numpy as np
size = 150000
chars = string.digits + string.ascii_lowercase
input_list= [
"".join(
[random.choice(chars) for i in range(5)]
) for j in range(dict_data[1]['unique_len'])]
选项 1:
让我们试试numpy 的random.choice 概率分布均匀。
output_list = np.random.choice(
input_list,
size=output_size,
replace=True,
p=[1/input_list.__len__()]*input_list.__len__()
)
assert set(input_list).__len__()==set(output_list).__len__(),\
"Output list has fewer elements than input list"
这引发了断言:
输出列表的元素比输入列表少
选项 2
让我们将随机数填充到input_list,然后随机播放。
output_list = np.concatenate((np.array(input_list),np.random.choice(
input_list,
size=output_size-input_list.__len__(),
replace=True,
p=[1/input_list.__len__()]*input_list.__len__()
)),axis=None)
np.random.shuffle(output_list)
assert set(input_list).__len__()==set(output_list).__len__(),\
"Output list has fewer elements than input list"
虽然这不会引发任何断言,但我正在寻找比这更快的解决方案,无论是通过算法还是使用 numpy 的内置函数。
感谢您的帮助。
【问题讨论】:
-
np.random.choice假设统一概率,无需明确设置,选项 2 对我来说看起来不错,你有时间吗?真的有那么慢吗? -
谢谢菲利波。问题是即使我计时,我也不知道是否有更好的解决方案。所以,你的问题的答案是,如果有任何其他算法或函数比上面更快,那么我可以比较。 'np' 的均匀分布似乎并没有真正给出均匀分布。我试过
output_size>>>input_size。 -
input_list.__len__()几乎永远不会比len(input_list)更可取
标签: python algorithm numpy random