Python Numpy 2D数组在行和非列之间移动元素_Python_Arrays_Numpy_Shuffle

Python Numpy 2D数组在行和非列之间移动元素

python arrays numpy

Python Numpy 2D数组在行和非列之间移动元素,python,arrays,numpy,shuffle,Python,Arrays,Numpy,Shuffle,我有以下二维数组： seq_length = 5 x = np.array([[0, 2, 0, 4], [5,6,7,8]]) x_repeated = np.repeat(x, seq_length, axis=1) [[0 0 0 0 0 2 2 2 2 2 0 0 0 0 0 4 4 4 4 4] [5 5 5 5 5 6 6 6 6 6 7 7 7 7 7 8 8 8 8 8]] 我想根据seq_length将x_repeated中的所有项混洗在一起例如，可能的洗牌： [[0

我有以下二维数组：

seq_length = 5
x = np.array([[0, 2, 0, 4], [5,6,7,8]])
x_repeated = np.repeat(x, seq_length, axis=1)


[[0 0 0 0 0 2 2 2 2 2 0 0 0 0 0 4 4 4 4 4]
 [5 5 5 5 5 6 6 6 6 6 7 7 7 7 7 8 8 8 8 8]]

我想根据

seq_length

将

x_repeated

中的所有项混洗在一起

例如，可能的洗牌：

[[0 0 0 0 0 6 6 6 6 6 0 0 0 0 0 8 8 8 8 8]
 [5 5 5 5 5 2 2 2 2 2 7 7 7 7 7 4 4 4 4 4]]

谢谢

您可以这样做：

import numpy as np

seq_length = 5
x = np.array([[0, 2, 0, 4], [5, 6, 7, 8]])

swaps = np.random.choice([False, True], size=4)

for swap_index, swap in enumerate(swaps):
    if swap:
        x[[0, 1], swap_index] = x[[1, 0], swap_index]

x_repeated = np.repeat(x, seq_length, axis=1)

您还可以依赖

True

非零这一事实，并将

for

替换为：

for swap_index in swaps.nonzero()[0]:
    x[[0, 1], swap_index] = x[[1, 0], swap_index]

关键是我在

np.repeat

调用之前进行了洗牌/交换，这比之后进行更有效（同时满足需要交换的值序列的要求）。具有相同值的每对序列有50%的机会被交换。

您可以这样做：

import numpy as np

seq_length = 5
x = np.array([[0, 2, 0, 4], [5, 6, 7, 8]])

swaps = np.random.choice([False, True], size=4)

for swap_index, swap in enumerate(swaps):
    if swap:
        x[[0, 1], swap_index] = x[[1, 0], swap_index]

x_repeated = np.repeat(x, seq_length, axis=1)

您还可以依赖

True

非零这一事实，并将

for

替换为：

for swap_index in swaps.nonzero()[0]:
    x[[0, 1], swap_index] = x[[1, 0], swap_index]

关键是我在

np.repeat

调用之前进行了洗牌/交换，这比之后进行更有效（同时满足需要交换的值序列的要求）。具有相同值的每对序列交换的几率为50%。

import random
将numpy作为np导入
序号长度=5
x=np.数组（[[0,2,0,4]，[5,6,7,8]]
x_重复=np重复（x，序列长度，轴=1）
cnt=0
第一行=真
在（0,4）范围内的x的参考值为1=[（λx:x_重复[0][seq_length*x]）（x）]#[0,2,0,4]
在（0,4）范围内的x的参考值为2=[（λx:x_重复[1][seq_length*x]）（x）#[5,6,7,8]
nlist=[]
当cnt<8时：
第一行=整数（非第一行）
如果第一行==0：
索引=random.randint（0，len（参考1）-1）
num=ref_lst_1[索引]
#打印（“参考1:，参考1”）
参考1.pop（索引）
如果第一行==1：
索引=random.randint（0，len（参考2）-1）
num=ref_lst_2[索引]
#打印（“参考第2页：”，参考第2页）
参考2.pop（索引）
nlist=nlist+[num]*序号长度
cnt+=1
打印（nlist）
"""[0, 0, 0, 0, 0, 5, 5, 5, 5, 5, 4, 4, 4, 4, 4, 8, 8, 8, 8, 8, 
0, 0, 0, 0, 0, 6, 6, 6, 6, 6, 2, 2, 2, 2, 2, 7, 7, 7, 7, 7]
"""
narray=np.array（[nlist[0:20]，nlist[20:40]））
打印（narray）
"""[[0 0 0 0 0 5 5 5 5 5 4 4 4 4 4 8 8 8 8 8]
[0 0 0 0 0 6 6 6 6 6 2 2 2 2 2 7 7 7 7 7]]"""

随机导入
将numpy作为np导入
序号长度=5
x=np.数组（[[0,2,0,4]，[5,6,7,8]]
x_重复=np重复（x，序列长度，轴=1）
cnt=0
第一行=真
在（0,4）范围内的x的参考值为1=[（λx:x_重复[0][seq_length*x]）（x）]#[0,2,0,4]
在（0,4）范围内的x的参考值为2=[（λx:x_重复[1][seq_length*x]）（x）#[5,6,7,8]
nlist=[]
当cnt<8时：
第一行=整数（非第一行）
如果第一行==0：
索引=random.randint（0，len（参考1）-1）
num=ref_lst_1[索引]
#打印（“参考1:，参考1”）
参考1.pop（索引）
如果第一行==1：
索引=random.randint（0，len（参考2）-1）
num=ref_lst_2[索引]
#打印（“参考第2页：”，参考第2页）
参考2.pop（索引）
nlist=nlist+[num]*序号长度
cnt+=1
打印（nlist）
"""[0, 0, 0, 0, 0, 5, 5, 5, 5, 5, 4, 4, 4, 4, 4, 8, 8, 8, 8, 8, 
0, 0, 0, 0, 0, 6, 6, 6, 6, 6, 2, 2, 2, 2, 2, 7, 7, 7, 7, 7]
"""
narray=np.array（[nlist[0:20]，nlist[20:40]））
打印（narray）
"""[[0 0 0 0 0 5 5 5 5 5 4 4 4 4 4 8 8 8 8 8]
[0 0 0 0 0 6 6 6 6 6 2 2 2 2 2 7 7 7 7 7]]"""

通过以下方式解决了此问题：

items_count = x.shape[-1]    
swap_flags = np.repeat(np.random.choice([0, 1], size=items_count), single_item_length)

给出：

[1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1]

for idx, flag in enumerate(swap_flags):
    if flag:
        x_repeated[0,idx], x_repeated[1,idx] = x_repeated[1,idx], x_repeated[0,idx]

结果:

[[5 5 5 5 5 6 6 6 6 6 0 0 0 0 0 8 8 8 8 8]
 [0 0 0 0 0 2 2 2 2 2 7 7 7 7 7 4 4 4 4 4]]

仍然没有那么优雅的

numpy

方式。

通过以下方式解决了这个问题：

items_count = x.shape[-1]    
swap_flags = np.repeat(np.random.choice([0, 1], size=items_count), single_item_length)

给出：

[1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 1 1 1 1 1]

for idx, flag in enumerate(swap_flags):
    if flag:
        x_repeated[0,idx], x_repeated[1,idx] = x_repeated[1,idx], x_repeated[0,idx]

结果:

[[5 5 5 5 5 6 6 6 6 6 0 0 0 0 0 8 8 8 8 8]
 [0 0 0 0 0 2 2 2 2 2 7 7 7 7 7 4 4 4 4 4]]

仍然没有那么优雅的方式。

以下是我的尝试：

def randomize_blocks(arr):
  """ Shuffles an n-dimensional array given consecutive blocks of numbers.
  """
  groups = (np.diff(arr.ravel(), prepend=0) != 0).cumsum().reshape(arr.shape)
  u, c = np.unique(groups, return_counts=True)
  np.random.shuffle(u)
  o = np.argsort(u)
  return arr.ravel()[np.argsort(np.repeat(u, c[o]))].reshape(arr.shape)

细分

首先，我们要分组

groups = (np.diff(arr.ravel(), prepend=0) != 0).cumsum().reshape(arr.shape)

然后，我们得到每个组的唯一和计数

u, c = np.unique(groups, return_counts=True)

最后，我们

shuffle

我们的唯一组，重建数组，并使用

argsort

对被洗牌的唯一组重新排序

o = np.argsort(u)
arr.ravel()[np.argsort(np.repeat(u, c[o]))].reshape(arr.shape)

用法示例：

>>> randomize_blocks(arr)
array([[0, 0, 0, 0, 0, 4, 4, 4, 4, 4, 0, 0, 0, 0, 0, 5, 5, 5, 5, 5],
       [7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 2, 2, 2, 2, 2, 6, 6, 6, 6, 6]])