如何在python中随机采样矩阵？答案

【问题标题】：How to randomly sample a matrix in python?如何在python中随机采样矩阵？
【发布时间】：2015-03-23 01:05:10
【问题描述】：

我有一个相对较大的数组，例如200 x 1000。矩阵是一个稀疏矩阵，其中元素可以被视为权重。权重范围从 0 到 500。我想生成一个相同大小的新数组，200x1000，其中新数组的 N 个元素是随机整数 {0,1}。新矩阵中元素为 0 或 1 的概率与原始数组的权重成正比 - 权重越高，1 与 0 的概率越高。

换一种说法：我想生成一个大小为 200x1000 的零矩阵，然后根据 200x1000 的权重矩阵随机选择 N 个元素翻转为 1。

【问题讨论】：

标签： python arrays random-sample

【解决方案1】：

这样的事情应该可行，没有理由变得太复杂：

>>> import random
>>> weights = [[1,5],[500,0]]
>>> output = []
>>> for row in weights:
...     outRow = []
...     for entry in row:
...         outRow.append(random.choice([0]+[1 for _ in range(entry)]))
...     output.append(outRow)
...
>>> output
[[1, 1], [1, 0]]

这会从一个总是有一个零的序列中选择一个随机条目，然后是n 1s，其中n 是权重矩阵中的对应条目。在这个实现中，权重 1 实际上是 1 或 0 的 50/50 机会。如果您希望 50/50 的机会发生在 250，请使用 outRow.append(random.choice([0 for _ in range(500-entry)] + [1 for _ in range(entry)]))

【讨论】：

这似乎是逐行考虑权重，而不是在整个权重矩阵中均匀考虑。还是我错过了什么？
不，这就是它的工作方式，不应该是这样吗？

【解决方案2】：

这可以用 numpy 来完成

# Compute probabilities as a 1-D array
probs = numpy.float64(weights).ravel()
probs /= numpy.sum(probs)

# Pick winner indexes
winners = numpy.random.choice(len(probs), N, False, probs)

# Build result
result = numpy.zeros(weights.shape, numpy.uint8)
result.ravel()[winners] = 1

【讨论】：

这比我的摸索要简单得多——我不会想到使用 numpy.uint8。但是，“1”值的数量必须正好是 N。

【解决方案3】：

我也会在这里提出我提出的解决方案：

# for example
a = np.random.random_integers(0, 500, size=(200,1000))
N = 200

result = np.zeros((200,1000))
ia = np.arange(result.size)
tw = float(np.sum(a.ravel()))
result.ravel()[np.random.choice(ia, p=a.ravel()/tw,
                                size=N, replace=False)]=1

其中a 是权重数组：即从数组ia 中选择要更改为1 的项的索引，权重为a。

【讨论】：