在 NumPy 中复制 MATLAB 的 `randperm`

Answer 1

我可以推荐你np.random.choice(n, k, replace = False)。 但是，我不确定内存效率。 请参考docs

Answer 2

numpy.random.choice(n, k, replace=False) 的内存效率并不比 numpy.random.permutation(n)[:k] 高。它也创建了一个n-item 临时列表，对该列表进行洗牌，并从该列表中获取k 项目。看：

• Comparison of np.random.choice vs np.random.shuffle for samples without replacement

然而，numpy.random.* 函数，例如 numpy.random.choice 和 numpy.random.permutation，已经成为 NumPy 1.17 的遗留函数，并且由于向后兼容的原因，它们的算法——效率低下等等——预计将保持原样（参见最近的 @ 987654322@)。

幸运的是，NumPy 从 1.17 版本开始有一个替代方案：numpy.random.Generator.choice，它使用了更高效的实现，如下所示：

In [227]: timeit np.random.choice(4000000, 48, replace = False)                                  
163 ms ± 19.3 ms per loop (mean ± std. Dev. Of 7 runs, 1 loop each)

In [228]: timeit np.random.permutation(4000000)[:48]                                             
178 ms ± 22.5 ms per loop (mean ± std. Dev. Of 7 runs, 1 loop each)

In [229]: r=numpy.random.default_rng()                                                           

In [230]: timeit r.choice(4000000,48,replace=False)                                              
14.5 µs ± 28.9 ns per loop (mean ± std. Dev. Of 7 runs, 100000 loops each)

如果您使用 NumPy 1.17 或更高版本，则应在较新的应用程序中使用 1.17 版中引入的新伪随机数生成系统，包括numpy.random.Generator。

Answer 3

基于@TaQ 答案：

np.random.choice(n, k, replace = False)

相当于 MATLAB 的randperm()。

更新：我也会更新他的答案以标记它。