Python 在一维numpy数组中的随机位置注入随机数

我有一个1D numpy数组X，形状

（1000，）

。我想在随机（均匀）位置注入10个随机（正常）值，从而获得shape

（1010，）

的numpy数组。如何在numpy中高效地完成它？

不确定这是否是最有效的方法，但至少它是有效的

A = np.arange(1000)
for i in np.random.randint(low = 0, high = 1000, size = 10):
    A = np.concatenate((A[:i], [np.random.normal(),], A[i:]))

编辑、检查性能：

---

所以肯定不是最有效的<代码>np。插入似乎是一种方法。

这里有一个基于掩蔽的方法-

def addrand(a, N):
    n = len(a)
    m = np.concatenate((np.ones(n, dtype=bool), np.zeros(N, dtype=bool)))
    np.random.shuffle(m)
    out = np.empty(len(a)+N, dtype=a.dtype)
    out[m] = a
    out[~m] = np.random.uniform(N)
    return out

样本运行-

In [22]: a = 10+np.random.rand(20)

In [23]: a
Out[23]: 
array([10.65458302, 10.18034826, 10.08652451, 10.03342622, 10.63930492,
       10.48439184, 10.2859206 , 10.91419282, 10.56905636, 10.01595702,
       10.21063965, 10.23080433, 10.90546147, 10.02823502, 10.67987108,
       10.00583747, 10.24664158, 10.78030108, 10.33638157, 10.32471524])

In [24]: addrand(a, N=3) # adding 3 rand numbers
Out[24]: 
array([10.65458302, 10.18034826, 10.08652451, 10.03342622,  0.79989563,
       10.63930492, 10.48439184, 10.2859206 , 10.91419282, 10.56905636,
       10.01595702,  0.23873077, 10.21063965, 10.23080433, 10.90546147,
       10.02823502,  0.66857723, 10.67987108, 10.00583747, 10.24664158,
       10.78030108, 10.33638157, 10.32471524])

---

时间：

In [71]: a = np.random.rand(1000)

In [72]: %timeit addrand(a, N=10)
37.3 µs ± 273 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

# @a_guest's soln
In [73]: %timeit np.insert(a, np.random.choice(len(a), size=10), np.random.normal(size=10))
63.3 µs ± 2.18 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

注意：如果您使用的是更大的阵列，则似乎

np.insert

one做得更好。

您可以与以下组件一起使用：

n=10
np.insert（a，np.random.choice（len（a），size=n），np.random.normal（size=n））

您可以使用

numpy.insert（arr，obj，values，axis=None）

---

请记住，

insert

不会自动更改原始数组，但会返回修改后的副本。

此解决方案非常优雅，我喜欢！非常感谢。对于一个插入点，

insert

执行类似于

连接的操作。但对于多个点，它使用布尔掩码将旧值放置在其插槽中，将新值放置在补码中。
In [71]: a = np.random.rand(1000)

In [72]: %timeit addrand(a, N=10)
37.3 µs ± 273 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

# @a_guest's soln
In [73]: %timeit np.insert(a, np.random.choice(len(a), size=10), np.random.normal(size=10))
63.3 µs ± 2.18 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

import numpy as np

a = np.arange(1000)

a = np.insert(a, np.random.randint(low = 1, high = 999, size=10), np.random.normal(loc=0.0, scale=1.0, size=10))