在Python阵列内的随机数 [英] Random numbers within Array in Python
问题描述
我是新来的Python。在阅读，请提及关于如何改善我的Python code任何其他建议。
问：如何生成Python中的数8xn维数组包含随机数？ 的约束是，此数组中的每一列必须包含8无需更换吸引了来自设置整数[1,8] 的。更具体地说，当N = 10，我想是这样的。
[6. 2. 3. 4. 5. 7. 5. 7. 8. 4]
[1. 4. 5. 5. 4. 4. 8 5 7。5.]
[7. 3. 8. 8. 3. 8 7。3 6. 7.]
[3. 6. 7. 1. 5. 6. 2. 1. 5. 1.]
[8 1。4 3 8 2. 3. 4. 3. 3.]
[5 8 1 7 1 3 6 8。1。6]
[4. 5. 2. 6. 2. 1. 1. 6 4 2]
[2 7 6。2. 6. 7. 4. 2。2 8]
要做到这一点我用下面的办法：
进口numpy.random
进口numpy的
高清rand_M（N）：
M = numpy.zeros（形状=（8，N））
对于在范围I（0，N）：
M [：，我] = numpy.random.choice（8，大小= 8，更换= FALSE）+ 1
回报中号
在实践中N值将〜1E7。上述算法是O（n）在时间和大约需要0.38秒当N = 1E3。因此，当N = 1E7是1小时〜时间（即3800秒）。必须有一个更有效的方式。
定时功能
从timeit进口计时器
T =定时器（拉姆达：rand_M（1000））
打印（t.timeit（5））
0.3863314103162543
创建特定形状的随机排列，然后沿排序，你想保留的限制，从而给我们一个量化的，非常有效的解决方案轴。这将在此基础上 智能答案 以<一个href=\"http://stackoverflow.com/questions/29156823/matlab-randomly-permuting-columns-differently\"><$c$c>MATLAB随机置换列不同 。这里的执行 -
样运行 -
在[122]：N = 10在[123]：np.argsort（np.random.rand（8，N），轴= 0）+1
出[123]：
阵列（[[7，3,5，1，1，5,2，4,1，4]
[8,4，3，2,2，8,5，5，6，2]，
[1，2，4，6，5，4,4，3，4，7]，
[5，6，2,5，8,2，7，8，5，8]，
[2，8,6，3，4，7，1，1，2，6]
[6，7，7，8，6,6，3，2,7，3]
[4，1，1，4,3，3,8，6，8，1]，
[3，5，8，7,7，1，6,7，3，5]，DTYPE = int64类型）
运行测试 -
在[124]：高清sortbased_rand8（N）：
...：返回np.argsort（np.random.rand（8，N），轴= 0）+1
...：
...：DEF rand_M（N）：
...：M = np.zeros（形状=（8，N））
......因为我在范围（0，N）：
...：M [：，我] = np.random.choice（8，大小= 8，更换= FALSE）+ 1
...：返回中号
...：在[125]：N = 5000在[126]：％timeit sortbased_rand8（N）
100圈，最好的3：每循环1.95毫秒在[127]：％timeit rand_M（N）
1循环，最好的3：每循环233毫秒
因此，等待一个 120X 加速比！
I'm new to Python. While reading, please mention any other suggestions regarding ways to improve my Python code.
Question: How do I generate a 8xN dimensional array in Python containing random numbers? The constraint is that each column of this array must contain 8 draws without replacement from the integer set [1,8]. More specifically, when N = 10, I want something like this.
[[ 6. 2. 3. 4. 7. 5. 5. 7. 8. 4.]
[ 1. 4. 5. 5. 4. 4. 8. 5. 7. 5.]
[ 7. 3. 8. 8. 3. 8. 7. 3. 6. 7.]
[ 3. 6. 7. 1. 5. 6. 2. 1. 5. 1.]
[ 8. 1. 4. 3. 8. 2. 3. 4. 3. 3.]
[ 5. 8. 1. 7. 1. 3. 6. 8. 1. 6.]
[ 4. 5. 2. 6. 2. 1. 1. 6. 4. 2.]
[ 2. 7. 6. 2. 6. 7. 4. 2. 2. 8.]]
To do this I use the following approach:
import numpy.random
import numpy
def rand_M(N):
M = numpy.zeros(shape = (8, N))
for i in range (0, N):
M[:, i] = numpy.random.choice(8, size = 8, replace = False) + 1
return M
In practice N will be ~1e7. The algorithm above is O(n) in time and it takes roughly .38 secs when N=1e3. The time therefore when N = 1e7 is ~1hr (i.e. 3800 secs). There has to be a much more efficient way.
Timing the function
from timeit import Timer
t = Timer(lambda: rand_M(1000))
print(t.timeit(5))
0.3863314103162543
Create a random array of specified shape and then sort along the axis where you want to keep the limits, thus giving us a vectorized and very efficient solution. This would be based on this smart answer to MATLAB randomly permuting columns differently. Here's the implementation -
Sample run -
In [122]: N = 10
In [123]: np.argsort(np.random.rand(8,N),axis=0)+1
Out[123]:
array([[7, 3, 5, 1, 1, 5, 2, 4, 1, 4],
[8, 4, 3, 2, 2, 8, 5, 5, 6, 2],
[1, 2, 4, 6, 5, 4, 4, 3, 4, 7],
[5, 6, 2, 5, 8, 2, 7, 8, 5, 8],
[2, 8, 6, 3, 4, 7, 1, 1, 2, 6],
[6, 7, 7, 8, 6, 6, 3, 2, 7, 3],
[4, 1, 1, 4, 3, 3, 8, 6, 8, 1],
[3, 5, 8, 7, 7, 1, 6, 7, 3, 5]], dtype=int64)
Runtime tests -
In [124]: def sortbased_rand8(N):
...: return np.argsort(np.random.rand(8,N),axis=0)+1
...:
...: def rand_M(N):
...: M = np.zeros(shape = (8, N))
...: for i in range (0, N):
...: M[:, i] = np.random.choice(8, size = 8, replace = False) + 1
...: return M
...:
In [125]: N = 5000
In [126]: %timeit sortbased_rand8(N)
100 loops, best of 3: 1.95 ms per loop
In [127]: %timeit rand_M(N)
1 loops, best of 3: 233 ms per loop
Thus, awaits a 120x speedup!
这篇关于在Python阵列内的随机数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
