Python 从Numpy数组的每行中选择一个随机样本，不包括负数

我有一个Numpy数组，看起来像

>>> a
array([[ 3. ,  2. , -1. ],
       [-1. ,  0.1,  3. ],
       [-1. ,  2. ,  3.5]])

我想从每一行中随机选择一个值，但我想从随机抽样中排除-1值

我现在做的是：

x=[]
for i in range(a.shape[0]):
    idx=numpy.where(a[i,:]>0)[0]
    idxr=random.sample(idx,1)[0]
    xi=a[i,idxr]
    x.append(xi)

得到

>>> x
[3.0, 3.0, 2.0]

---

这对于大型数组来说有点慢，我想知道是否有一种方法可以有条件地从原始

a

矩阵中选择随机值，而无需单独处理每一行。

我真的不认为你会在Numpy中找到任何能完全满足你打包要求的东西，所以我决定提供我能想到的优化

有几件事可能会让这一切变得缓慢。首先，

numpy.where（）

相当慢，因为它必须检查切片数组中的每个值（切片也是为每行生成的），然后生成一个值数组。如果您计划在同一个矩阵上反复执行此过程，那么您可以做的最好的事情就是对每一行进行排序。然后使用二进制搜索查找正值的起始位置，然后使用随机数从中选择一个值。当然，您也可以在使用二进制搜索查找一次后，将索引存储在正值开始的位置

如果您不打算多次执行此过程，那么我建议使用Cython来加速numpy.where行。Cython将允许您不需要将行切掉，从而加快整个过程

---

我的最后一个建议是使用random.choice而不是random.sample，除非您确实计划选择大于1的样本大小。

我没有任何NumPy经验，但我猜生成随机数所需的时间比从数组中访问值所需的时间要长。添加到列表中也是如此。您是否分析了您的程序以确保优化了正确的内容？我已经分析了该程序，

idx

和

idxr

行是最慢的，在每行上花费的时间几乎相等。您是否总是希望每行中都有相同数量的排除值？如果是这样的话，你可以将整个过程矢量化，并在两行代码中完成，而不需要python循环…@Joe Kington:不一定。出于所有目的，这些行属于独立样本。我将多次在类似但新生成的数组上执行此过程，因此我将研究Cython。谢谢