Python 使用np.random.choice（）快速生成样本的方法？

我想生成随机样本，不替换

N次

，如下所示：

将numpy导入为np
样本=np.零（[100000,4]，整数）
对于范围内的i（100000）：
样本[i]=np.random.choice（128，4，replace=False）

---

如果迭代变得非常大，则整个采样将非常耗时。有没有办法加快此采样速度？

这将为您提供形状（100000,4）中的随机整数范围（0128）

---

使用

random.sample

代替

np.random.choice

In [16]: import time
    ...: start_time = time.time()
    ...: sample = np.zeros([100000, 4], int)
    ...: for i in range(100000):
    ...:     sample[i] = random.sample(range(128), 4)
    ...: print("--- %s seconds ---" % (time.time() - start_time))
    ...: 
--- 0.7096474170684814 seconds ---

In [17]: import time
    ...: start_time = time.time()
    ...: sample = np.zeros([100000, 4], int)
    ...: for i in range(100000):
    ...:     sample[i] = np.random.choice(128, 4, replace=False)
    ...: print("--- %s seconds ---" % (time.time() - start_time))
    ...: 
--- 5.2036824226379395 seconds ---

你的方法

In [16]: sample = np.zeros([100000, 4], int)

In [17]: %timeit for i in range(100000):sample[i] = np.random.choice(128, 4, rep
    ...: lace=False)
1 loop, best of 3: 2.5 s per loop

虽然你可以写：

In [149]: %timeit d=np.random.choice(128,100000);sample1=np.array([(d+x)%128 for x in np.random.choice(128,4)])
The slowest run took 4.63 times longer than the fastest. This could mean that an intermediate result is being cached.
100 loops, best of 3: 4.11 ms per loop

这在我的机器上要快得多

这可能不太随机，但这取决于您的应用程序。

---

毕竟，

for

循环在普通python中非常慢。你可能对这篇文章感兴趣，或者

锁定这篇文章：所以，你想要2D数组，它的一个维度很大，而另一个维度很小，所以你想在一个维度中不替换样本，但在另一个维度中替换样本（或者重复进行该样本）？哦，伙计。使用

timeit

计时运行时，但是

np.random.choice

并不意味着要在循环中调用-您可以将

形状

传递给它并调用一次。这个时机真的没有多大意义。如果你只运行一次，任何东西都会影响你的计时，但这并不能保证在没有替换的情况下采样。

In [149]: %timeit d=np.random.choice(128,100000);sample1=np.array([(d+x)%128 for x in np.random.choice(128,4)])
The slowest run took 4.63 times longer than the fastest. This could mean that an intermediate result is being cached.
100 loops, best of 3: 4.11 ms per loop