使用 np.random.choice 查找非均匀样本的索引答案

【问题标题】：Find indexes of nonuniform sample with np.random.choice使用 np.random.choice 查找非均匀样本的索引
【发布时间】：2017-06-05 09:31:25
【问题描述】：

假设我有两个大型一维数组 X 和 Y 形式的位置信息。我想从这些数组中不均匀地采样位置。我以为我可以用 np.random.choice 做到这一点，但因为它只接受一维数组而我不能这样做：

Xsample = np.random.choice(X, n, p)

Ysample = np.random.choice(Y, n, p)

样本中有 n 个点，p 是一个概率数组，因为这将为 Xsample 和 Ysample 采样不同的点，所以我只能找到一种方法来获取一个采样的索引。问题是不能保证列表中的数字是唯一的，所以不能完全使用 np.where。

有什么想法吗？

【问题讨论】：

标签： numpy random indexing choice

【解决方案1】：

Doh，我可以从索引中取样。这是一个工作示例：

X = np.array([1, 2, 3, 4, 5])
Y = np.array([11, 12, 13, 14, 15]) 
p = [0.25, 0., 0.5, 0.25] 

sample_idxs = np.random.choice(arange(len(X)), 2, p)
# can also be
# sample_idxs = np.random.choice(len(X), 2, p)
sample_idxs
> array([2, 4])

X[sample_idxs]
> array([3, 5])

Y[sample_idxs]
> array([13, 15])

【讨论】：

不应该是 np.random.choice(np.arange(len(X)), 2, p) 吗？
是的，@mgutsche 你是对的，为了清楚起见，我会改变我的答案。但是，numpy.random.choice 也可以将第一个参数 a 作为 int 并执行 arange(a)。