Python Numpy重复随机选择
想象一个二维布尔字段。假设它是一个a x b=3x3字段Python Numpy重复随机选择,python,numpy,random,numba,Python,Numpy,Random,Numba,想象一个二维布尔字段。假设它是一个a x b=3x3字段 F=[[0110][0110][1111]] 不带零(范围(9)*F)=(1 4 6 7 8) 这是ID列表,其中F=True 现在,我需要N=e.g.1M的可能性,从这个数字范围内随机选择m(例如3),而不重复 e、 g 我使用矢量化函数的方法失败了 到目前为止,我最好的成绩是 a=3,b=3,N=5E6,m=3 ~84秒。在i37250上 我的问题:有没有更好的方法防止for循环并并行/矢量化工作 compiled - start t
F=[[0110][0110][1111]]
不带零(范围(9)*F)=(1 4 6 7 8)
这是ID列表,其中F=True
现在,我需要N=e.g.1M的可能性,从这个数字范围内随机选择m(例如3),而不重复
e、 g
我使用矢量化函数的方法失败了
到目前为止,我最好的成绩是
a=3,b=3,N=5E6,m=3
~84秒。在i37250上
我的问题:有没有更好的方法防止for循环并并行/矢量化工作
compiled - start timer
Time: 84.47356009483337
finish
工作示例:
import numpy as np
from numba import jit, prange
import time as t
@jit
def startzellen_zufall(mask, m, N):
b = mask.reshape(mask.size)
a = np.arange(1, len(b) + 1, dtype=np.int16)
c = a * b
clean = np.array(c[c != 0], dtype=np.int16)
l = []
for i in prange(0, N):
l.append(np.random.choice(clean, m, replace=False))
return np.stack(l)
##############
N = 5000000
m = 3
mask = np.array([[True, False, False], [False, True, True], [True, False, True]])
startzellen_zufall(mask, m, N)
print("compiled - start timer")
t1 = t.time()
startzellen_zufall(mask, m, N)
t2 = t.time()
print("Time: %s" % (t2 - t1))
print("finish")
编辑:是的,我知道有少于1M的排列,数字只是例子。a、 b更像8,8,m更像6-10。如果重要,则索引的顺序很重要,例如1,7,4!=1,4,7编辑:是的,我知道有少于1M的排列,数字只是例子。a、 b更像8,8,m更像6-10。如果重要,则索引的顺序很重要,例如1,7,4!=1,4,7
import numpy as np
from numba import jit, prange
import time as t
@jit
def startzellen_zufall(mask, m, N):
b = mask.reshape(mask.size)
a = np.arange(1, len(b) + 1, dtype=np.int16)
c = a * b
clean = np.array(c[c != 0], dtype=np.int16)
l = []
for i in prange(0, N):
l.append(np.random.choice(clean, m, replace=False))
return np.stack(l)
##############
N = 5000000
m = 3
mask = np.array([[True, False, False], [False, True, True], [True, False, True]])
startzellen_zufall(mask, m, N)
print("compiled - start timer")
t1 = t.time()
startzellen_zufall(mask, m, N)
t2 = t.time()
print("Time: %s" % (t2 - t1))
print("finish")