Numpy 是否有任何内置函数可以从 1D numpy 数组中随机选择值，数组末尾的值具有更高的权重？有没有比定义偏态分布并从中采样以获取数组索引更简单的方法？
user271528
问问题
1564 次
1 回答
6
您可以赋予 权重np.choice，如下所示：
a = np.random.random(100) # an array to draw from
n = 10 # number of values to draw
i = np.arange(a.size) # an array of the index value for weighting
w = np.exp(i/10.) # higher weights for larger index values
w /= w.sum() # weight must be normalized
现在，通过以下方式访问您的值：
np.random.choice(a, size=n, p=w)
显然，您可以随心所欲地更改权重数组，我从末尾用衰减长度进行了指数衰减10；增加衰减长度以获得更广泛的选择：
对于np.exp(i/50.)：
In [38]: np.random.choice(a, size=n, p=w)
Out[38]: array([37, 53, 45, 22, 88, 69, 56, 86, 96, 24])
对于np.exp(i)：
In [41]: np.random.choice(a, size=n, p=w)
Out[41]: array([99, 99, 98, 99, 99, 99, 99, 97, 99, 98])
如果您只想获取每个值一次，请务必设置replace=False，否则您可以多次获取相同的值（特别是如果它是高度加权的，如上面的第二个示例）。看这个例子：
In [33]: np.random.choice(a, size=n, replace=False, p=w)
Out[33]: array([99, 84, 86, 91, 87, 81, 96, 89, 97, 95])
In [34]: np.random.choice(a, size=n, replace=True, p=w)
Out[34]: array([94, 98, 99, 98, 97, 99, 91, 96, 97, 93])
我原来的答案是：
如果分布的形式并不重要，您可以执行诸如指数泊松分布之类的操作：
idx = np.random.poisson(size=10)
您的样品：
a[-idx-1]
于 2013-10-08T21:06:26.503 回答