python – 从numpy数组中选择概率

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 从numpy数组中选择概率，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1365字，纯文字阅读大概需要2分钟。

内容图文

Numpy是否有任何内置函数可以从1D numpy数组中随机选择值,并为数组末尾的值赋予更高的权重？有没有比定义偏斜分布和从中采样以获得数组索引更简单的方法？

解决方法:

你可以给np.choice一个权重,如图所示：

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,访问您的值：

np.random.choice(a, size=n, p=w)

显然你可以根据需要改变你的重量阵列,我从衰落长度10开始以指数衰减;为更广泛的选择增加衰减长度：

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])

如果您只希望能够获得每个值一次,请确保设置replace = False,否则您可以多次获得相同的值(特别是如果它是高度加权的,如上面的第二个示例中所示).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,你可以做一些像指数的泊松分布：

idx = np.random.poisson(size=10)

你的样本：

a[-idx-1]

内容总结

以上是互联网集市为您收集整理的python – 从numpy数组中选择概率全部内容，希望文章能够帮你解决python – 从numpy数组中选择概率所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端