Numpy: Ruft einen zufälligen Satz von Zeilen aus dem 2D-Array ab

Ich habe ein sehr großes 2D-Array, das ungefähr so ​​aussieht:

a=
[[a1, b1, c1],
 [a2, b2, c2],
 ...,
 [an, bn, cn]]

Gibt es mit numpy eine einfache Möglichkeit, ein neues 2D-Array mit z. B. 2 zufälligen Zeilen aus dem ursprünglichen Array zu erhalten a(ohne Ersatz)?

z.B

b=
[[a4,  b4,  c4],
 [a99, b99, c99]]

>>> A = np.random.randint(5, size=(10,3))
>>> A
array([[1, 3, 0],
       [3, 2, 0],
       [0, 2, 1],
       [1, 1, 4],
       [3, 2, 2],
       [0, 1, 0],
       [1, 3, 1],
       [0, 4, 1],
       [2, 4, 2],
       [3, 3, 1]])
>>> idx = np.random.randint(10, size=2)
>>> idx
array([7, 6])
>>> A[idx,:]
array([[0, 4, 1],
       [1, 3, 1]])

Zusammenstellen für einen allgemeinen Fall:

A[np.random.randint(A.shape[0], size=2), :]

Bei Nichtersatz (numpy 1.7.0+):

A[np.random.choice(A.shape[0], 2, replace=False), :]

Ich glaube nicht, dass es eine gute Möglichkeit gibt, eine zufällige Liste ohne Ersatz vor 1.7 zu erstellen. Vielleicht können Sie eine kleine Definition einrichten, die sicherstellt, dass die beiden Werte nicht gleich sind.

Dies ist ein alter Beitrag, aber das funktioniert am besten für mich:

A[np.random.choice(A.shape[0], num_rows_2_sample, replace=False)]

Ändern Sie das Ersetzen = Falsch in Wahr, um dasselbe zu erhalten, jedoch mit Ersetzen.

Eine andere Möglichkeit besteht darin, eine zufällige Maske zu erstellen, wenn Sie Ihre Daten nur um einen bestimmten Faktor reduzieren möchten. Angenommen, ich möchte auf 25% meines ursprünglichen Datensatzes, der sich derzeit im Array befindet, ein Downsampling durchführen data_arr:

# generate random boolean mask the length of data
# use p 0.75 for False and 0.25 for True
mask = numpy.random.choice([False, True], len(data_arr), p=[0.75, 0.25])

Jetzt können Sie data_arr[mask]~ 25% der Zeilen nach dem Zufallsprinzip aufrufen und zurückgeben.

Dies ist eine ähnliche Antwort wie die von Hezi Rasheff, aber vereinfacht, damit neuere Python-Benutzer verstehen, was los ist (ich habe festgestellt, dass viele neue Studenten der Datenwissenschaft auf seltsamste Weise Zufallsstichproben abrufen, weil sie nicht wissen, was sie in Python tun).

Sie können eine Reihe von Zufallsindizes aus Ihrem Array abrufen, indem Sie Folgendes verwenden:

indices = np.random.choice(A.shape[0], amount_of_samples, replace=False)

Sie können dann das Slicing mit Ihrem Numpy-Array verwenden, um die Samples an diesen Indizes zu erhalten:

A[indices]

Dadurch erhalten Sie die angegebene Anzahl von Zufallsstichproben aus Ihren Daten.

Wenn Sie die gleichen Zeilen, aber nur eine Zufallsstichprobe benötigen, dann

import random
new_array = random.sample(old_array,x)

Hier muss x ein 'int' sein, das die Anzahl der Zeilen definiert, die Sie zufällig auswählen möchten.

Ich sehe, dass eine Permutation vorgeschlagen wurde. In der Tat kann es in einer Zeile gemacht werden:

>>> A = np.random.randint(5, size=(10,3))
>>> np.random.permutation(A)[:2]

array([[0, 3, 0],
       [3, 1, 2]])

Wenn Sie mehrere zufällige Teilmengen von Zeilen generieren möchten, z. B. wenn Sie RANSAC ausführen.

num_pop = 10
num_samples = 2
pop_in_sample = 3
rows_to_sample = np.random.random([num_pop, 5])
random_numbers = np.random.random([num_samples, num_pop])
samples = np.argsort(random_numbers, axis=1)[:, :pop_in_sample]
# will be shape [num_samples, pop_in_sample, 5]
row_subsets = rows_to_sample[samples, :]