多维数组随机选择在纽比

Question

我有一张桌子，我需要用随机选择对于概率计算， 例如（摘自docs）：

>>> aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
>>> np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3])
array(['pooh', 'pooh', 'pooh', 'Christopher', 'piglet'],
      dtype='|S11')

如果我用的是3D数组而不是aa_milne_arr，它不允许我继续。我需要为3个数组生成概率不同的随机事件，但它们内部的元素也是一样。例如

^{pr2}$

我希望arr0（0.5），arr1（0.1）和arr3（0.4）中的元素都有相同的概率，因此我可以看到arr0中任何元素的概率都是0.5

有什么优雅的方法吗？在

Answer 1

将p的值除以数组的长度，然后按相同的长度重复。在

然后用新的概率从串联数组中选择

arr = [arr0, arr1, arr3]
lens = [len(a) for a in arr]
p = [.5, .1, .4]
new_arr = np.concatenate(arr)
new_p = np.repeat(np.divide(p, lens), lens)

np.random.choice(new_arr, p=new_p)

Answer 2

这是我带来的。 它采用概率向量或矩阵，其中权重按列组织。权重将规格化为和1。在

import numpy as np

def choice_vect(source,weights):
    # Draw N choices, each picked among K options
    # source: K x N ndarray
    # weights: K x N ndarray or K vector of probabilities
    weights = np.atleast_2d(weights)
    source = np.atleast_2d(source)
    N = source.shape[1]
    if weights.shape[0] == 1:
        weights = np.tile(weights.transpose(),(1,N))
    cum_weights = weights.cumsum(axis=0) / np.sum(weights,axis=0)
    unif_draws = np.random.rand(1,N)
    choices = (unif_draws < cum_weights)
    bool_indices = choices > np.vstack( (np.zeros((1,N),dtype='bool'),choices ))[0:-1,:]
    return source[bool_indices]

它避免使用循环，并且类似于的矢量化版本随机选择. 在

你可以这样使用它：

^{pr2}$