Python 二维numpy阵列的加权随机抽样

我有一个2d numpy数组Z，我想随机选择一个索引Z，其中一个索引被选择的概率与该索引处的Z值成正比

现在，我正在做以下工作：

yar = list(np.ndenumerate(Z))
x,y = yar[np.random.choice(len(yar), p=Z.ravel()/Z.sum())][0]

---

做这项工作，但感觉很可怕（而且速度非常慢）。有更好的方法吗？

我们可以优化以避免创建

yar

。我们只需从

np.random.choice

中得到线性索引等价物，将其转换为

np.unlavel_index

的维度索引，得到

x

和

y

因此，实施将是-

linear_idx = np.random.choice(Z.size, p=Z.ravel()/float(Z.sum()))
x, y = np.unravel_index(linear_idx, Z.shape)

为了说明创建

yar

导致设置瓶颈的数字，下面是一个计时测试示例-

In [402]: Z = np.random.randint(0,9,(300,400))

In [403]: yar = list(np.ndenumerate(Z))

In [404]: %timeit list(np.ndenumerate(Z))
10 loops, best of 3: 46.3 ms per loop

In [405]: %timeit yar[np.random.choice(len(yar), p=Z.ravel()/float(Z.sum()))][0]
1000 loops, best of 3: 1.34 ms per loop

In [406]: 46.3/(46.3+1.34)
Out[406]: 0.971872376154492

因此，创建

yar

消耗了运行时的

97%

。

查看wighted random，可能会有所帮助