从概率矩阵中随机选择

Question

我正在尝试将传入消息的模拟器模拟到输出端口。 我得到了输入端口的数量 (N) 和输出端口的数量 (M) 以及 N*M (mat) 概率的扁平矩阵。我还以数组 (in_freq) 的形式获得传入消息的数量。 我认为为了将每条消息从输入端口引导到输出端口，我应该使用 numpy.random.choice，但没能成功。

我尝试的是：

 for k in range (N):  
       enqueue = np.random.choice(M, in_freq[k], p=[(mat[k*N:k*N+M-1])])

当 enqueue 是消息目的地的数组时。

但遇到消息：

ValueError: 对象对于所需数组来说太深

Answer 1

问题

正如 hpaulj 在 cmets 中指出的那样，您看到的 ValueError 是因为您的 p 参数包含在列表括号 [] 中。这个额外的封闭list 使np.random.choice 将您的p 解释为形状为(1, x) 的二维数组，而不是一维数组。由于np.random.choice 的第一个参数是一个整数，因此该函数期望p 是一维的，因此当它发现它不是一维时会抛出一个错误（有关完整的详细信息，请参阅choice docs）。

您可以通过删除p 周围的括号来修复ValueError：

enqueue = np.random.choice(M, in_freq[k], p=mat[k*N:k*N+M-1])

但是，现在您的代码将引发一个新的不同的ValueError：

ValueError: a and p must have same size

这个ValueError 是由于您生成扁平 NxM 矩阵mat 的行切片的方式不正确造成的。

解决办法

根据您问题中的描述，您似乎打算通过切片 1D mat 来循环原始 2D mat 的行。以下是如何修复代码中的切片，以便在 for 循环中迭代 mat 的行：

import numpy as np

N = 10
M = 5

in_freq = np.random.randint(0, 10, N)
mat = np.random.rand(N, M)
# normalize so that each row is a probability dist
mat /= mat.sum(axis=1, keepdims=True)
# flatten to match OP's question
mat = mat.flat

for k in range(N):
    print((M*k, M*(k + 1)))
    enqueue = np.random.choice(M, in_freq[k], p=mat[M*k:M*(k + 1)])

测试

为了证明现在正在生成正确的切片，我添加了一个打印语句，用于在for 循环的每次迭代中输出切片索引。输出如下：

(0, 5)
(5, 10)
(10, 15)
(15, 20)
(20, 25)
(25, 30)
(30, 35)
(35, 40)
(40, 45)
(45, 50)

这表明迭代mat 的行所需的切片现在确实按预期生成。

关于将 2D 索引转换为其 1D 扁平化等效项的注意事项

给定一个包含N 行和M 列的数组，将二维x,y 索引转换为其扁平一维等效i 的通用公式是：

i = x + M*y

您可以在此old thread 中找到更深入的讨论。