如何解决在一维numpy数组中的随机位置注入随机数
我有一个形状为(1000,)
的一维numpy数组X。我想在随机(均匀)位置注入10个随机(正常)值,从而获得形状(1010,)
的numpy数组。如何在numpy中有效地做到这一点?
解决方法
您可以将np.insert
与np.random.choice
一起使用:
n = 10
np.insert(a,np.random.choice(len(a),size=n),np.random.normal(size=n))
,
这里是基于遮罩的-
def addrand(a,N):
n = len(a)
m = np.concatenate((np.ones(n,dtype=bool),np.zeros(N,dtype=bool)))
np.random.shuffle(m)
out = np.empty(len(a)+N,dtype=a.dtype)
out[m] = a
out[~m] = np.random.uniform(N)
return out
样品运行-
In [22]: a = 10+np.random.rand(20)
In [23]: a
Out[23]:
array([10.65458302,10.18034826,10.08652451,10.03342622,10.63930492,10.48439184,10.2859206,10.91419282,10.56905636,10.01595702,10.21063965,10.23080433,10.90546147,10.02823502,10.67987108,10.00583747,10.24664158,10.78030108,10.33638157,10.32471524])
In [24]: addrand(a,N=3) # adding 3 rand numbers
Out[24]:
array([10.65458302,0.79989563,0.23873077,0.66857723,10.32471524])
时间:
In [71]: a = np.random.rand(1000)
In [72]: %timeit addrand(a,N=10)
37.3 µs ± 273 ns per loop (mean ± std. dev. of 7 runs,10000 loops each)
# @a_guest's soln
In [73]: %timeit np.insert(a,size=10),np.random.normal(size=10))
63.3 µs ± 2.18 µs per loop (mean ± std. dev. of 7 runs,10000 loops each)
注意:如果使用更大的数组,似乎np.insert
会做得更好。
不确定这是否是最有效的方法,但至少可以奏效。
A = np.arange(1000)
for i in np.random.randint(low = 0,high = 1000,size = 10):
A = np.concatenate((A[:i],[np.random.normal(),],A[i:]))
编辑,检查性能:
def insert_random(A):
for i in np.random.randint(low = 0,high = len(A),size = 10):
A = np.concatenate((A[:i],A[i:]))
return A
A = np.arange(1000)
%timeit test(A)
83.2 µs ± 2.47 µs per loop (mean ± std. dev. of 7 runs,10000 loops each)
所以绝对不是最有效的。 np.insert
似乎是要走的路。
您可以使用import numpy as np
a = np.arange(1000)
a = np.insert(a,np.random.randint(low = 1,high = 999,np.random.normal(loc=0.0,scale=1.0,size=10))
。
insert
请记住,using Distributed
addprocs(2)
@everywhere using DistributedArrays
@everywhere using LinearAlgebra
n=10
Z=zeros(n,n)
#Z[1,:].=200
#Z[:,end].=200
Z=distribute(Z; dist=(2,1))
K=ones(n,1)
#K[1,:].=200
#K[end,:].=200
K=distribute(K; dist=(2,1))
#(i+1) % 2)+1,j
@sync @distributed for x in 1:nworkers()
localpart(Z)[1,:].=200
@sync @distributed for i in 2:length(localindices(Z)[1])
for j in 1:length(localindices(Z)[2])
localpart(Z)[i,j]=10*log(myid())+localpart(K)[i]
end
end
end
end
Z
不会自动更改原始数组,但是会返回修改后的副本。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。