有没有一种pythonic方法可以从列表或numpy数组中采样N个连续元素

Question

有没有一种 Python 方法可以从列表或 numpy 数组中选择 N 个连续元素。

假设：

Choice = [1,2,3,4,5,6] 

我想通过在 Choice 中随机选择元素 X 以及后面的 N-1 个连续元素来创建一个长度为 N 的新列表。

如果：

X = 4 
N = 4

结果列表将是：

Selection = [5,6,1,2] 

我认为类似于以下内容会起作用。

S = [] 
for i in range(X,X+N):
    S.append(Selection[i%6])    

但我想知道是否有一个 python 或 numpy 函数可以一次选择更有效的元素。

Answer 1

使用itertools，特别是islice 和cycle。

start = random.randint(0, len(Choice) - 1)
list(islice(cycle(Choice), start, start + n))

cycle(Choice) 是一个重复原始列表的无限序列，因此切片 start:start + n 将在必要时换行。

Answer 2

您可以使用列表推导，对索引使用模运算以使其保持在列表范围内：

Choice = [1,2,3,4,5,6] 
X = 4 
N = 4
L = len(Choice)
Selection = [Choice[i % L] for i in range(X, X+N)]
print(Selection)

输出

[5, 6, 1, 2]

注意如果N小于等于len(Choice)，可以大大简化代码：

Choice = [1,2,3,4,5,6] 
X = 4 
N = 4
L = len(Choice)
Selection = Choice[X:X+N] if X+N <= L else Choice[X:] + Choice[:X+N-L]
print(Selection)

Answer 3

由于您要求最有效的方法，我创建了一个小基准来测试此线程中提出的解决方案。

我将您当前的解决方案改写为：

def op(choice, x):
    n = len(choice)
    selection = []
    for i in range(x, x + n):
        selection.append(choice[i % n])
    return selection

其中choice 是输入列表，x 是随机索引。

如果choice 包含 1_000_000 个随机数，这些是结果：

chepner: 0.10840400000000017 s
nick: 0.2066781999999998 s
op: 0.25887470000000024 s
fountainhead: 0.3679908000000003 s

完整代码

import random
from itertools import cycle, islice
from time import perf_counter as pc
import numpy as np


def op(choice, x):
    n = len(choice)
    selection = []
    for i in range(x, x + n):
        selection.append(choice[i % n])
    return selection


def nick(choice, x):
    n = len(choice)
    return [choice[i % n] for i in range(x, x + n)]


def fountainhead(choice, x):
    n = len(choice)
    return np.take(choice, range(x, x + n), mode='wrap')


def chepner(choice, x):
    n = len(choice)
    return list(islice(cycle(choice), x, x + n))


results = []
n = 1_000_000
choice = random.sample(range(n), n)
x = random.randint(0, n - 1)

# Correctness
assert op(choice, x) == nick(choice,x) == chepner(choice,x) == list(fountainhead(choice,x))

# Benchmark
for f in op, nick, chepner, fountainhead:
    t0 = pc()
    f(choice, x)
    t1 = pc()
    results.append((t1 - t0, f))

for t, f in sorted(results):
    print(f'{f.__name__}: {t} s')

Answer 4

如果使用numpy 数组作为源，我们当然可以使用numpy "fancy indexing"。

所以，如果 ChoiceArray 是列表 Choice 的 numpy 数组等价物，并且如果 L 是 len(Choice) 或 len(ChoiceArray)：

Selection = ChoiceArray [np.arange(X, N+X) % L]

Answer 5

这是numpy 方法：

import numpy as np

Selection = np.take(Choice, range(X,N+X), mode='wrap')

即使 Choice 是 Python 列表而不是 numpy 数组也有效。