bootstrap numpy 二维数组

Question

我正在尝试通过替换 base 形状为 (4,2) 的二维 numpy 数组按行进行采样，比如 10 次。最终输出应该是一个 3D numpy 数组。

已尝试下面的代码，它有效。但是有没有没有for循环的方法呢？

base=np.array([[20,30],[50,60],[70,80],[10,30]])
print(np.shape(base))
nsample=10
tmp=np.zeros((np.shape(base)[0],np.shape(base)[1],10))
for i in range(nsample):
    id_pick = np.random.choice(np.shape(base)[0], size=(np.shape(base)[0]))
    print(id_pick)
    boot1=base[id_pick,:]
    tmp[:,:,i]=boot1
print(tmp)

Answer 1

这是一种矢量化方法 -

m,n = base.shape
idx = np.random.randint(0,m,(m,nsample))
out = base[idx].swapaxes(1,2)

基本思想是我们生成所有可能的索引 np.random.randint 作为 idx。那将是一个形状为 (m,nsample) 的数组。我们使用此数组沿第一个轴索引输入数组。因此，它选择 base 之外的随机行。要获得形状为 (m,n,nsample) 的最终输出，我们需要交换最后两个轴。

Answer 2

您可以使用 numpy 中的 stack 函数。您的代码将如下所示：

base=np.array([[20,30],[50,60],[70,80],[10,30]])
print(np.shape(base))
nsample=10
tmp = []
for i in range(nsample):
    id_pick = np.random.choice(np.shape(base)[0], size=(np.shape(base)[0]))
    print(id_pick)
    boot1=base[id_pick,:]
    tmp.append(boot1)
tmp = np.stack(tmp, axis=-1)
print(tmp)

Answer 3

根据@Divakar 的回答，如果您已经知道这个二维数组的形状，您可以在引导时将其视为 (8,) 一维数组，然后对其进行整形：

    m, n = base.shape
    flatbase = np.reshape(base, (m*n,))
    idxs = np.random.choice(range(8), (numReps, m*n))
    bootflats = flatbase[idx]
    boots = np.reshape(flatbase, (numReps, m, n))

bootstrap numpy 二维数组

bootstrap numpy 2D array

python

numpy

vectorization