使用 numpy 选择设置样本的最大替换次数

Question

我想从具有最大替换次数的数组中选择一个随机样本。

举个例子：

import numpy as np
a = np.arange(3)

rng = np.random.default_rng(seed=3)
rng.choice(a, 5)

这会生成一个 [2, 0, 0, 0, 0] 数组。
在这里，元素0 被选中了四次。
有没有办法将其限制为例如两次？

Answer 1

没有内置方法可以做到这一点，但只要数字不太大，你可以使用

rng.choice(a.repeat(2), 5, replace=False)

来模拟。但是要注意，如果a或者重复次数很大，这是非常低效的。在这种情况下，编写自定义函数是有意义的。

（查看documentation）

Answer 2

有几种方法可以使用您想要的限制。 您可以根据需要从中选择。

如果你衡量你选择的方法的性能，你会得到：

a = np.arange(3)                                                                                                                                                                          
rng = np.random.default_rng(seed=3)                                                                                                                                                        
timeit l=rng.choice(a, 5)                                                                                                                                                                  
17.2 µs ± 334 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

如果您想允许每个值最多使用两次，使用相同的方法不会使其更快：

a = np.arange(3).repeat(2)                                                                                                                                                           
rng = np.random.default_rng(seed=3)                                                                                                                                                   
timeit l=rng.choice(a, 5)                                                                                                                                                                  
17.3 µs ± 359 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

但是，您可以使用自己的函数来实现更快的执行：

import random

def choice(a, n, l):
    choices=[]
    if len(a)*l<n:
        raise ValueError("Impossible")
    s={k:n for k in a}
    for _ in range(n):
        r=random.choice(list(s))
        choices.append(r)
        s[r]-=1
        if s[r]==0:
            del(s[r])
    return choices

random.seed(3)                                                                                                                                                                            
timeit l=choice(range(3), 5, 2)                                                                                                                                                           
3.71 µs ± 22.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

如果你需要numpy array的结果，你可以转换它，浪费一点时间，但仍然足够快。