从numpy数组中随机选择
我有两个相关的numpy数组X和y。我需要从中选择n随机行，X并将其存储在数组中，并将其对应的y值附加到随机选择的点的索引上。
我有另一个数组index，它存储我不想采样的索引列表。
我怎样才能做到这一点？
样本数据：
index = [2,3]
X = np.array([[0.3,0.7],[0.5,0.5] ,[0.2,0.8], [0.1,0.9]])
y = np.array([[0], [1], [0], [1]])
如果这些X是随机选择的（其中n=2）：
randomylSelected = np.array([[0.3,0.7],[0.5,0.5]])
所需的输出将是：
index = [0,1,2,3]
randomlySelectedY = [0,1]
我怎样才能做到这一点？
问题答案：
您可以使用以下方法创建随机索引np.random.choice：
n = 2 # for 2 random indices
index = np.random.choice(X.shape[0], n, replace=False)
然后，您只需要使用结果索引数组：
x_random = X[index]
y_random = Y[index]
-
问题内容： 我有一个很大的数组，其中每一行都是一个时间序列，因此需要保持秩序。 我想为每行选择一个给定大小的随机窗口。 在我看来，理想的解决方案是： 但不幸的是，这不起作用 我现在要进行的操作非常慢： 当然，我可以对列表进行理解（并获得最小的速度提升），但是我想知道是否有某种超级聪明的numpy向量化方法可以做到这一点。 问题答案： 这是一种杠杆作用- 在具有行的更大数组上进行运行时测试-
-
问题内容： 我可以使用列出所有组合， 但这通常会很大。 给定和，我如何在不首先构建大量列表的情况下随机地均匀选择组合？ 问题答案： 来自http://docs.python.org/2/library/itertools.html#recipes
-
问题内容： Tensorflow中是否有等效于numpy随机选择的函数。在numpy中，我们可以从给定列表中随机获得一个项目及其权重。 此代码将从给定列表中选择一个权重为p的项。 问题答案： 不，但是您可以使用tf.multinomial获得相同的结果： 该部分在这里，正如预期的那样，该批次中每个元素的行都有未归一化的对数概率，并且对于样本数量还具有另一个维度。
-
问题内容： 我有一个数字值数组，我想从该数组中随机选择一个值，然后将其插入变量中。 我不确定您需要查看什么代码。所以， 这是我用来生成13个数字（1-13）并将其插入到数组中的循环。 效果很好，但是现在我需要从该数组中选择2个随机值（然后将其插入变量中，以备后用。 我到过很多网站，已经看到了类似的事情，例如将值插入到数组中，然后用于从数组中选择值，然后从数组中删除它。但是，无论何时我使用它都行不通
-
numpy.random 模块对 Python 内置的 random 进行了补充，增加了一些用于高效生成符合多种概率分布的样本值的函数。这一小节将详述如何用 Numpy 快速创建随机数矩阵。 1. 创建符合均匀分布的随机数组 1.1 numpy.random.rand 函数 numpy.random.rand 函数通常用来创建一个服从 “0~1” 均匀分布的随机浮点数（组），随机样本取值范围是[0
-
问题内容： 我有一个非常大的2D数组，看起来像这样： 使用numpy，是否有一种简单的方法来获得一个新的2D数组，例如从初始数组中获得2个随机行（无需替换）？ 例如 问题答案： 一般情况下将其放在一起： 对于非替换（numpy 1.7.0+）： 我不认为有一种很好的方法可以在不替换1.7之前生成随机列表。也许您可以设置一个小的定义，以确保两个值不相同。