具有特定比例的二进制随机数组？答案

【问题标题】：Binary random array with a specific proportion of ones?具有特定比例的二进制随机数组？
【发布时间】：2013-11-05 00:32:00
【问题描述】：

生成随机数的零和具有特定比例的零的有效方法（可能使用 Matlab 术语进行矢量化）是什么？特别是 Numpy？

由于我的情况是 1/3 的特殊情况，我的代码是：

import numpy as np 
a=np.mod(np.multiply(np.random.randomintegers(0,2,size)),3)

但是至少对于 K 和 N 是自然数的K/N 的情况，是否有任何内置函数可以更有效地处理这个问题？

【问题讨论】：

您需要比例完全为给定值，还是只是样本的预期比例？
另外，当size 不能被 3 整除时，1/3 的情况会发生什么？例外？圆形/地板/截断？加权随机回合（所以 10 有 3 的 2/3 机会和 4 的 1/3 机会）？
@WarrenWeckesser，这是我的预期比例。我希望你没有删除你的答案，所以我会接受它。
@Naji：我恢复了我的答案。如果你需要精确的比例，那这个方法就行不通了。
@Naji：你想要什么？我希望它产生一万亿美元，而它给我的只是一个数组。我想我还不够相信。 ;)

标签： python arrays random numpy random-sample

【解决方案1】：

简单的单线：您可以避免使用整数列表和概率分布，在我看来，这对于这个问题来说是不直观且过度杀伤力的，只需先使用bools，然后在必要时转换为int（尽管在大多数情况下将其保留为 bool 数组应该可以工作）。

>>> import numpy as np
>>> np.random.random(9) < 1/3.
array([False,  True,  True,  True,  True, False, False, False, False])   
>>> (np.random.random(9) < 1/3.).astype(int)
array([0, 0, 0, 0, 0, 1, 0, 0, 1])

【讨论】：

这并不能保证像 mdml 的答案那样的正确比例。
OP 说他们希望 1/3 是 1 的预期比例，而不是确切的比例。

【解决方案2】：

另一种获取确切数量的 1 和 0 的方法是使用 np.random.choice 对索引进行抽样而不进行替换：

arr_len = 30
num_ones = 8

arr = np.zeros(arr_len, dtype=int)
idx = np.random.choice(range(arr_len), num_ones, replace=False)
arr[idx] = 1

输出：

arr

array([0, 0, 0, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 1,
       0, 0, 0, 0, 0, 1, 0, 0])

【讨论】：

【解决方案3】：

另一种方法，使用np.random.choice：

>>> np.random.choice([0, 1], size=(10,), p=[1./3, 2./3])
array([0, 1, 1, 1, 1, 0, 0, 0, 0, 0])

【讨论】：

请注意，这种方法不会为您提供您所要求的零和一的确切比例。 . .下面@mdml 的答案将。
是的，既然它被接受了，我认为 Cupitor 可能在他的程序中添加了一个错误
@JFFIGK，dbliss：这在问题的 cmets 中进行了讨论。那些 cmets 还在那里，所以看看吧。

【解决方案4】：

如果我正确理解您的问题，您可能会通过numpy.random.shuffle 获得一些帮助

>>> def rand_bin_array(K, N):
    arr = np.zeros(N)
    arr[:K]  = 1
    np.random.shuffle(arr)
    return arr

>>> rand_bin_array(5,15)
array([ 0.,  1.,  0.,  1.,  1.,  1.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,
        0.,  0.])

【讨论】：

【解决方案5】：

一个简单的方法是首先生成一个ndarray，其中包含您想要的零和一的比例：

>>> import numpy as np
>>> N = 100
>>> K = 30 # K zeros, N-K ones
>>> arr = np.array([0] * K + [1] * (N-K))
>>> arr
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1])

那么你就可以shuffle这个数组，让分布随机化：

>>> np.random.shuffle(arr)
>>> arr
array([1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 0, 1, 0, 0, 1, 0,
       1, 1, 0, 0, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1,
       1, 1, 1, 1, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1,
       0, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 0, 1,
       1, 1, 1, 0, 1, 1, 1, 1])

请注意，与二项式方法不同，此方法将为您提供您请求的 精确比例的 0/1。如果您不需要确切的比例，那么二项式方法就可以了。

【讨论】：

我多么愚蠢！是的，我忘记了二进制分发。实际上有人在您之前发布了二进制文件，但他删除了他的答案（不知道为什么！！）
这很聪明

【解决方案6】：

您可以使用numpy.random.binomial。例如。假设frac是个的比例：

In [50]: frac = 0.15

In [51]: sample = np.random.binomial(1, frac, size=10000)

In [52]: sample.sum()
Out[52]: 1567

【讨论】：

这并不能保证像 mdml 的答案那样的正确比例。
@John，这已在问题的 cmets 中进行了讨论。看看吧。
我现在明白了！当然问题需要编辑，因为它要求特定的比例。