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Python 在一维numpy数组中的随机位置注入随机数,python,numpy,random,numpy-ndarray,Python,Numpy,Random,Numpy Ndarray,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
(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))