引导 numpy 二维数组答案

【问题标题】：bootstrap numpy 2D array引导 numpy 二维数组
【发布时间】：2019-05-22 20:22:11
【问题描述】：

我正在尝试对形状为 (4,2) 的 base 2D numpy 数组进行替换采样，例如 10 次。最终输出应该是一个 3D numpy 数组。

已经尝试了下面的代码，它可以工作。但是有没有办法在没有 for 循环的情况下做到这一点？

base=np.array([[20,30],[50,60],[70,80],[10,30]])
print(np.shape(base))
nsample=10
tmp=np.zeros((np.shape(base)[0],np.shape(base)[1],10))
for i in range(nsample):
    id_pick = np.random.choice(np.shape(base)[0], size=(np.shape(base)[0]))
    print(id_pick)
    boot1=base[id_pick,:]
    tmp[:,:,i]=boot1
print(tmp)

【问题讨论】：

标签： python numpy vectorization

【解决方案1】：

这是一种矢量化方法 -

m,n = base.shape
idx = np.random.randint(0,m,(m,nsample))
out = base[idx].swapaxes(1,2)

基本思想是我们生成所有可能的索引，np.random.randint 为idx。那将是一个形状数组(m,nsample)。我们使用这个数组沿第一个轴索引输入数组。因此，它从base 中选择随机行。为了得到形状为(m,n,nsample) 的最终输出，我们需要交换最后两个轴。

【讨论】：

hm.. 这看起来应该可以工作.. 我的 numpy 已经过时了... 看起来 np.take_along_axis 很新。
@user3491987 经过进一步检查，发现您正在从输入中选择行。所以，需要很少的改变。请查看对这些的修改。

【解决方案2】：

您可以使用 numpy 中的 stack 函数。您的代码将如下所示：

base=np.array([[20,30],[50,60],[70,80],[10,30]])
print(np.shape(base))
nsample=10
tmp = []
for i in range(nsample):
    id_pick = np.random.choice(np.shape(base)[0], size=(np.shape(base)[0]))
    print(id_pick)
    boot1=base[id_pick,:]
    tmp.append(boot1)
tmp = np.stack(tmp, axis=-1)
print(tmp)

【讨论】：

【解决方案3】：

根据@Divakar 的回答，如果您已经知道这个二维数组的形状，则可以在引导时将其视为 (8,) 一维数组，然后对其进行整形：

    m, n = base.shape
    flatbase = np.reshape(base, (m*n,))
    idxs = np.random.choice(range(8), (numReps, m*n))
    bootflats = flatbase[idx]
    boots = np.reshape(flatbase, (numReps, m, n))

【讨论】：