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：

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

vs

sorted

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

vs

sorted

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

vs

changes

），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

vs

changes

），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