Python 如何有效地变异数组中的特定数量的值?
给定初始二维阵列:Python 如何有效地变异数组中的特定数量的值?,python,arrays,numpy,Python,Arrays,Numpy,给定初始二维阵列: initial = [ [0.6711999773979187, 0.1949000060558319], [-0.09300000220537186, 0.310699999332428], [-0.03889999911189079, 0.2736999988555908], [-0.6984000205993652, 0.6407999992370605], [-0.43619999289512634, 0.5810999870300293], [0.282
initial = [
[0.6711999773979187, 0.1949000060558319],
[-0.09300000220537186, 0.310699999332428],
[-0.03889999911189079, 0.2736999988555908],
[-0.6984000205993652, 0.6407999992370605],
[-0.43619999289512634, 0.5810999870300293],
[0.2825999855995178, 0.21310000121593475],
[0.5551999807357788, -0.18289999663829803],
[0.3447999954223633, 0.2071000039577484],
[-0.1995999962091446, -0.5139999985694885],
[-0.24400000274181366, 0.3154999911785126]]
目标是将数组中的一些随机值乘以随机百分比。假设只有3个随机数被随机乘法器替换,我们应该得到如下结果:
output = [
[0.6711999773979187, 0.52],
[-0.09300000220537186, 0.310699999332428],
[-0.03889999911189079, 0.2736999988555908],
[-0.6984000205993652, 0.6407999992370605],
[-0.43619999289512634, 0.5810999870300293],
[0.84, 0.21310000121593475],
[0.5551999807357788, -0.18289999663829803],
[0.3447999954223633, 0.2071000039577484],
[-0.1995999962091446, 0.21],
[-0.24400000274181366, 0.3154999911785126]]
我试过这样做:
def mutate(array2d, num_changes):
for _ in range(num_changes):
row, col = initial.shape
rand_row = np.random.randint(row)
rand_col = np.random.randint(col)
cell_value = array2d[rand_row][rand_col]
array2d[rand_row][rand_col] = random.uniform(0, 1) * cell_value
return array2d
这适用于二维数组,但同一个值可能会多次发生变异=(
我不认为这是有效的,它只适用于二维阵列
有没有一种方法可以更有效地对任何形状的数组进行这种“变异”
“突变”可以选择的值没有限制,只有“突变”的数量应严格遵守用户指定的编号。一个相当简单的方法是使用数组的展开视图。通过这种方法,您可以一次生成所有编号,并且更容易保证不会在一次调用中两次处理同一索引:
def mutate(array_anyd, num_changes):
raveled = array_anyd.reshape(-1)
indices = np.random.choice(raveled.size, size=num_changes, replace=False)
values = np.random.uniform(0, 1, size=num_changes)
raveled[indices] *= values
我使用array\u anyd.reforme(-1)
来支持array\u anyd.ravel()
,因为根据,前者不太可能无意中复制
当然仍然存在这种可能性。如果需要,您可以添加额外的支票进行回写。更有效的方法是使用以下方法避免创建视图:
def mutate(array_anyd, num_changes):
indices = np.random.choice(array_anyd.size, size=num_changes, replace=False)
indices = np.unravel_indices(indices, array_anyd.shape)
values = np.random.uniform(0, 1, size=num_changes)
raveled[indices] *= values
无需返回任何内容,因为修改已经完成。按照惯例,此类函数不会返回任何内容。例如,请参见
列表。sort
vssorted
一种相当简单的方法是使用数组的展开视图。您可以通过这种方式一次生成所有数字,并使其更简单要保证不会在一次调用中处理同一索引两次,请执行以下操作:
def mutate(array_anyd, num_changes):
raveled = array_anyd.reshape(-1)
indices = np.random.choice(raveled.size, size=num_changes, replace=False)
values = np.random.uniform(0, 1, size=num_changes)
raveled[indices] *= values
我使用array\u anyd.reforme(-1)
来支持array\u anyd.ravel()
,因为根据,前者不太可能无意中复制
当然仍然存在这种可能性。如果需要,您可以添加额外的支票进行回写。更有效的方法是使用以下方法避免创建视图:
def mutate(array_anyd, num_changes):
indices = np.random.choice(array_anyd.size, size=num_changes, replace=False)
indices = np.unravel_indices(indices, array_anyd.shape)
values = np.random.uniform(0, 1, size=num_changes)
raveled[indices] *= values
由于修改已经完成,因此不需要返回任何内容。按照惯例,此类函数不返回任何内容。例如,请参见
list.sort
vssorted
使用shuffle
而不是random\u choice
,这将是一种不同的解决方案。它适用于任何形状的数组
def mutate(arrayIn, num_changes):
mult = np.zeros(arrayIn.ravel().shape[0])
mult[:num_changes] = np.random.uniform(0,1,num_changes)
np.random.shuffle(mult)
mult = mult.reshape(arrayIn.shape)
arrayIn = arrayIn + mult*arrayIn
return arrayIn
使用
shuffle
而不是random\u choice
,这将是一个不同的解决方案。它适用于任何形状的数组
def mutate(arrayIn, num_changes):
mult = np.zeros(arrayIn.ravel().shape[0])
mult[:num_changes] = np.random.uniform(0,1,num_changes)
np.random.shuffle(mult)
mult = mult.reshape(arrayIn.shape)
arrayIn = arrayIn + mult*arrayIn
return arrayIn
尝试类似以下操作:1.分解数组;2.使用np.random.choice生成随机的唯一ID索引;3.将索引乘以np.random.uniform?最后,您可以重新塑造索引。可能不需要使用循环。@如果使用视图,coldspeed无需重新塑造。除了代码中的打字错误(
num\u changes
vschanges
),您显示的示例很有意义,但无法与代码对应:您的代码总是缩小数字。因此,基本上您需要一个随机选择,而不需要替换任何形状数组(不仅仅是1-D)尝试类似以下操作:1.分解数组;2.使用np.random.choice生成随机的唯一ID索引;3.将索引乘以np.random.uniform?最后,您可以重新塑造索引。可能不需要使用循环。@如果使用视图,coldspeed无需重新塑造。除了代码中的打字错误(num\u changes
vschanges
),您显示的示例有意义,但与代码不符:您的代码总是缩小数字。因此,基本上您需要一个随机选择,而不替换任何形状数组(不仅仅是1-D)。您是对的,我喜欢您的答案,因为ravel()确实返回视图(+1)。但是,您的结果将需要重新整形为原始数组的尺寸。@coldspeed,仅当您返回它时。调用方的引用将永远不会更改形状。ravel()
或重新整形(-1)
,如果必须,两者都将毫无警告地返回副本。ravel
仅在视图相邻时创建视图,restrape(-1)
还可以处理这样的情况,即所有条目都可以使用一个步长进行准连续寻址。例如,如果输入是从更大的ND数组中分割出来的,则很有可能无法执行此操作,您将获得一份副本。这就是为什么您应该检查并在必要时回写。我不知道推荐的惯用法是什么但是np.shares\u memory
或A.base是B.base
浮现在脑海中。或者您可以查看aa=array\u anyd.view()
,尝试直接设置其形状aa.shape=-1
,如果不可能,则捕获引发的异常。@palpanzer。我想出了一个更好的选择。如果顺序不正确,索引将有点不正常,但它们一开始是随机的,所以这不重要。你是对的,我喜欢你的答案because ravel()确实返回视图(+1)。但是,您的结果需要重新调整为原始数组的尺寸。@coldspeed,仅当您返回它时。调用方的引用永远不会更改形状。ravel()
或重新调整(-1)
,如果必须,两者都将毫无警告地返回副本。ravel
仅在视图相邻时创建视图,restrape(-1)
还可以处理这样的情况,即所有条目都可以使用一个步长进行准连续寻址。例如,如果输入是从更大的ND数组中分割出来的,则很有可能无法执行此操作,您将获得一份副本。这就是为什么您应该检查并在必要时回写。我不知道推荐的惯用法是什么但是np.shares\u memory
或A.base是B.base
浮现在脑海中。或者您可以查看aa=array\u anyd.view()
,尝试直接设置它的形状aa.shape=-1
,如果不可能,捕获引发的异常。@Paul