Python 从numpy数组中有效地采样以相同数目终止的连续整数序列？

假设我有以下numpy数组：

Space = np.arange(7) 

问题：如何从空间生成一组N个样本，以便：

每个样本仅由递增或递减的连续数字组成

采样是通过替换完成的，因此样本不必单调递增或递减

每个样本以6或0结尾，并且

样本的长度没有限制（但是，一旦选择了6或0，每个样本就会终止）

本质上，我是通过numpy采样创建一个markov奖励过程（可能有一个更有效的数据包，但我不确定它会是什么）。例如，如果N=3，一个可能的采样集看起来像这样

Sample = [[1,0],[4, 3, 4, 5, 6],[4, 3, 2, 1, 2, 1, 0]]

我可以用一些不太优雅的东西来做到这一点：

N = len(Space)
Set = []
for i in range(3):
    X = np.random.randint(N)
    if (X == 0) | (X==6):
        Set.append(X)
    else:
        Sample = []
        while (X !=0) & (X != 6):
            Next = np.array([X-1, X+1])
            X = np.random.choice(Next)
            Sample.append(X)
        Set.append(Sample)
return(Set)

---

但我想知道，对于这种类型的采样，哪种方法更有效/更具蟒蛇风格，也许没有这么多循环？或者，是否有更好的python库来实现这类功能？谢谢。

Numpy在这里似乎帮不了什么忙，我只想使用标准的

随机

模块。主要原因是，像此算法那样处理单个值时，

random

速度更快，而且似乎不需要引入额外的依赖项，除非需要

from random import randint, choice

def bounded_path(lo, hi):
    # r covers the interior space
    r = range(lo+1, hi)
    n = randint(lo, hi)
    result = [n]
    while n in r:
        n += choice((-1, 1))
        result.append(n)
    return result

似乎为我做了正确的事情，例如，对上述10次评估，我得到：

[0]
[4, 3, 4, 3, 2, 1, 0]
[5, 6]
[2, 3, 4, 3, 4, 5, 4, 3, 4, 3, 2, 1, 0]
[1, 0]
[1, 0]
[4, 3, 4, 3, 4, 3, 2, 3, 2, 1, 0]
[3, 2, 3, 2, 1, 0]
[6]
[4, 5, 4, 3, 4, 3, 2, 1, 0]

刚刚做了随机数生成的快速基准比较：

def rng_np(X):
    for _ in range(10):
        X = np.random.choice(np.array([X-1,X+1]))
    return X

def rng_py(X):
    for _ in range(10):
        X += choice((-1, +1))
    return X

Numpy版本大约慢30倍。Numpy需要做很多额外的工作，每次迭代都要构建一个Python数组，转换成Numpy数组，在

choice

中切换以实现奇特的矢量化。Python知道香草版本中的

（-1，+1）

是常量，因此它只构建了一次（例如，可以查看内部的情况）

---

你也许可以通过使用更大的数字块来达到某个目的，但我怀疑这会快得多。保持起点的一致性似乎很尴尬，但如果你真的很小心的话，你可能会做一些事情！Numpy在每次调用的矢量化值超过大约10个时开始收支平衡，当您有100个以上的值时，它会非常出色。

我很困惑，因为您说过“每个样本只包含递增/递减的连续数字”，但在您的样本集中，样本并没有遵循该顺序。感谢您的反馈，样本增加/减少连续数，但如第2点所述。它们不必是单调的。这难道不意味着第二种说法与第一种说法相矛盾，因为你不能让样本只包含连续递增/递减的数字吗？我不这么认为。我可以用序列4，5，6。我也可以有2,1,0。序列1,2,3,4,3,2,1,0也不排除。所以每个样本都由整数组成。这些整数可以连续增加或减少，但样本（即整数字符串）不需要单调增加或减少。这样，唯一的要求是，您不需要两次背对背地包含同一个整数，这是真的吗？哇，我不会想到像这样接近它…谢谢你的明确回答和解释！我只是想知道，既然每个后续条目都依赖于前一个条目，那么这个条件元素是否排除了所有向量化的可能性？直觉上似乎是这样，但鉴于我在这方面不是很在行，我认为检查是谨慎的。@phntm添加了一些基准和解释，希望它们能有所帮助！