Python 带权重的numpy随机选择的2D版本

这与先前的这篇文章有关：

我有一个2D numpy数组，希望使用2D概率数组从中进行选择。我能想到的唯一方法是展平，然后使用模和余数将结果转换回2D索引

import numpy as np
# dummy data
x=np.arange(100).reshape(10,10)

# dummy probability array
p=np.zeros([10,10])
p[4:7,1:4]=1.0/9

xy=np.random.choice(x.flatten(),1,p=p.flatten())
index=[int(xy/10),(xy%10)[0]] # convert back to index
print(index)

给

[5,2]

---

但是有没有一种更干净的方法可以避免扁平化和模化呢？i、 e.我可以将坐标元组列表传递为x，但如何处理权重？

我认为不可能直接指定2D形状的概率数组。所以拉弗林应该没问题。但是，要从平面索引中获得相应的二维形状索引，可以使用

---

对于多个索引，您可以只堆叠结果：

xy=np.random.choice(x.flatten(),3,p=p.flatten())

indices = np.unravel_index(xy, x.shape)
# (array([4, 4, 5], dtype=int64), array([1, 2, 3], dtype=int64))
np.c_[indices]
array([[4, 1],
       [4, 2],
       [5, 3]], dtype=int64)

其中

np.c

，并给出与

np.column_stack(indices)

---

您可以使用

numpy.random.randint

生成索引，例如：

# assumes p is a square array
ij = np.random.randint(p.shape[0], size=p.ndim) # size p.ndim = 2 generates 2 coords

# need to convert to tuple to index correctly
p[tuple(i for i in ij))]
>>> 0.0

您还可以一次索引多个随机值：

ij = np.random.randint(p.shape[0], size=(p.ndim, 5)) # get 5 values
p[tuple(i for i in ij))]
>>> array([0.        , 0.        , 0.        , 0.11111111, 0.        ])

---

我认为这个方法很好，你可以用nice代替除法/模，谢谢，randint的唯一问题是我认为它不允许我应用权重，或者我错了吗？不，我认为你是对的

randint

没有概率参数，但是

choice

有概率参数。很高兴知道！无论如何，感谢您的输入，对于非加权示例非常有用。

ij = np.random.randint(p.shape[0], size=(p.ndim, 5)) # get 5 values
p[tuple(i for i in ij))]
>>> array([0.        , 0.        , 0.        , 0.11111111, 0.        ])