将原始数据插入python中随机生成的数据

假设我有一个3d（10x3）np.array：

orgArr = [[  30.1678 -173.569   725.724 ]
 [  29.9895 -173.34    725.76  ]
 [  29.9411 -173.111   725.768 ]
 [  29.9306 -173.016   725.98  ]
 [  29.6754 -172.621   725.795 ]
 [  29.5277 -172.274   725.903 ]
 [  29.585  -171.978   726.111 ]
 [  29.4114 -171.507   726.188 ]
 [  29.3951 -170.947   726.173 ]
 [  29.3577 -170.196   726.384 ]]

对于每个列，我生成rondom编号，在单个列的最小值和最大值之间，例如，对于第一列：

# Find min/max
colXMin = np.min(orgArr[:, 0])
colXMax = np.max(orgArr[:, 0])

# Generate random number between min/max
size = 12
addRandomToColX = self.create_random_floats(colXMin, colXMax, size)

# Sort the random numbers
sortRandomColX= sorted(addRandomToColX, reverse= True)
print('sortRandomColX:', sortRandomColX)

# Do same for cols y and z
...

# Create 3d array finally
randomArr = np.array([sortRandomColX, sortRandomColY, sortRandomColZ]).T
    print('randomArr:', randomArr)


def create_random_floats(low, high, size):
    return [random.uniform(low, high) for _ in range(size)]

所以我得到了12x3数组，它是按照给定的顺序排序的。列x减小，但y和z增大：

randomArr: 
[[  30.16564103 -173.45321119  725.74404996]
 [  30.03986524 -173.17110927  725.84951132]
 [  29.97088507 -173.15435901  725.85341553]
 [  29.79273295 -172.76247176  725.97347288]
 [  29.53294671 -170.90169722  726.27944054]
 [  29.53182418 -170.88261603  726.34089036]
 [  29.52163245 -170.72931883  726.34411865]
 [  29.50194557 -170.71866152  726.34946239]
 [  29.45834997 -170.68671434  726.36413176]
 [  29.4426014  -170.57381107  726.37110357]
 [  29.43702889 -170.40826716  726.45476367]
 [  29.3621429  -169.77240546  726.51968671]]

---

如何在

randomArr

数据中再次随机插入/混合我的

orgArr

数据，并将其分布到整个大小？我的意思是在

randomArr

中不在开头或结尾。否则，indivudial列的排序顺序将被打破

解决方案，主要依靠

numpy

。不过，对颠倒列顺序的部分不满意。但这并不以数组作为参数

import numpy as np
orgArr = np.asarray([[  30.1678, -173.569,   725.724 ],
                     [  29.9895, -173.34,    725.76  ],
                     [  29.9411, -173.111,   725.768 ],
                     [  29.9306, -173.016,   725.98  ],
                     [  29.6754, -172.621,   725.795 ],
                     [  29.5277, -172.274,   725.903 ],
                     [  29.585,  -171.978,   726.111 ],
                     [  29.4114, -171.507,   726.188 ],
                     [  29.3951, -170.947,   726.173 ],
                     [  29.3577, -170.196,   726.384 ]])
#number of rows to add
n2add = 12
#min/max for each column
orgMin = np.min(orgArr, axis = 0)
orgMax = np.max(orgArr, axis = 0)
#generate array with random values between min/max of each column 
randomArr = (orgMax - orgMin) * np.random.random((n2add + orgArr.shape[0], orgArr.shape[1])) + orgMin
#insert original values
randomArr[:orgArr.shape[0], :] =  orgArr
#sort values
randomArr.sort(axis = 0)
#determines for each column, if direction of order in orgArr is the same as in randomArr
#and reverses column order, if not
col_ord = np.sign((orgArr[0,:] - orgArr[-1,:])) * np.sign((randomArr[0,:] - randomArr[-1,:]))
for i in range(orgArr.shape[1]):
    if col_ord[i] < 0:
        randomArr[:,i] = randomArr[::-1,i]

您还可以使用此脚本的其他分发功能，

numpy

和

scipy

提供了多种功能。例如：

---

如果现在查看输出数组，您会注意到新生成的值（由更多数字表示）可以在数组的一端找到。但要小心不要超过分布函数的限制（0，1）。示例

mu=0.1 sigma=0.001

显示了对最终分布的影响<代码>0.5/0.2可以正常工作，但您不会收到

0.5/5

的错误消息，这将超出初始范围。

我不确定插入/混合是什么意思。每个列是否应包含从

self.创建\u random\u float

加上原始10个值（因此最终形状（22，3））生成的12个排序随机值，但这些值应出现在列内的随机位置？是，正确。末端的最终形状是（22,3）。但这些不应随机插入，而应以正确的顺序插入。例如，

finalArrColX:[*30.1678*、30.16564103、30.03986524、*29.9895*、29.97088507…]

星星之间的数字*来自

orgArr

而其他则来自

randomArr

我想它将与

数组（set（orgArr+randomArr）

一起工作。因此，如果新数组排序不正确，我可以使用

sorted>排序（数组，反向=真）

再次？仍然不确定生成结果的规则。在您的示例中，所有值都是降序的。但是根据您的描述，我假设另一个有效的可能性是30.1678、29.9895、30.16564103……对吗？所以两个独立的降序数组在随机位置混合到一个列中？它也可以从w开始使用一个来自

randomArr

的值？不，这与它开始的值无关。要点是，我再次以降序获得一列。因此，您的列表无效，因为它没有按降序排序谢谢您的回答。这正是我需要的。我可以问您另一个问题吗？根据

的定义np.random.random

它在半开放区间内创建随机浮点数，就像在

np.random.uniform

中一样，但这里我们选择低和高。我们自己。我如何确定创建的随机浮点数的标准偏差不大于给定区间。假设我在最小值和最大值之间生成随机数但是SD不应该大于0.2？是的，正是这个函数。但是我不确定如何在上面的例子中使用它

#randomArr
[[  30.1678     -173.569       725.724     ]
 [  30.11384713 -173.34        725.76      ]
 [  30.02906243 -173.23713466  725.768     ]
 [  29.9895     -173.111       725.795     ]
 [  29.94555434 -173.016       725.83462631]
 [  29.9411     -172.78230979  725.903     ]
 [  29.9306     -172.6898037   725.95312697]
 [  29.92622676 -172.621       725.98      ]
 [  29.91989733 -172.44033232  726.01484565]
 [  29.91581341 -172.42239247  726.08304636]
 [  29.89624414 -172.30021976  726.08525885]
 [  29.84977922 -172.29533928  726.08784464]
 [  29.80493116 -172.274       726.10620276]
 [  29.6754     -172.03366934  726.111     ]
 [  29.63979452 -171.978       726.14750753]
 [  29.585      -171.67822537  726.1535495 ]
 [  29.5277     -171.507       726.173     ]
 [  29.49315771 -171.33446469  726.18671858]
 [  29.42592778 -171.15097712  726.188     ]
 [  29.4114     -170.947       726.24372921]
 [  29.3951     -170.87844982  726.29369897]
 [  29.3577     -170.196       726.384     ]]

randomArr = (orgMax - orgMin) * np.random.normal(0.1, 0.001, (n2add + orgArr.shape[0], orgArr.shape[1])) + orgMin