在 numpy 数组中查找 X 值并替换为随机值

Question

考虑一个 numpy 数组列表，其值是 -1 或 1，随机分配。

a = np.array([1,-1,1,1,-1,1,-1,-1,1,-1])
b = np.array([-1,-1,1,-1,1,1,-1,1,-1,-1])

我需要对这些数组执行运算，例如求和和逐点乘法。

例如，在对 2 个数组求和后，我将得到一个值为 -2,0 和 2 的新数组。

c = a + b
c = [ 0 -2 2 0 0 2 -2 0 0 -2]

现在我想将它“标准化”回-1 和 1。

对于 2 和 -2 很简单：

c[c < 0] = -1

c[c > 0] = 1

问题是 0。对于他们，我想随机选择 -1 或 1。

所需的输出如下：

c =  [ 1 -1 1 -1 -1 1 -1 1 -1 -1]

笼统地说，我的问题是如何在数组中找到所有等于 x 的 N 个值，然后用每个值替换一个随机数。

我的问题是如何以最“pythonic”和最快的方式做到这一点？

谢谢

Answer 1

我不以任何方式声称这是最快也最有效的方法。

c = np.array([ 0, -2, 2, 0, 0, 2, -2, 0, 0, -2])                       

def norm(a): 
    if a == 0: 
        return np.random.choice(np.array([-1,1])) 
    else: 
        return a / a * np.sign(a)                                                                         

v_norm = np.vectorize(norm)
norm_arr = v_norm(c)

结果：

In [64]: norm_arr                                                             
Out[64]: array([ 1, -1,  1,  1, -1,  1, -1,  1, -1, -1])

Answer 2

您可能会使用：

>>> c = [0, -2, 2, 0, 0, 2, -2, 0, 0, -2]
>>> c = np.array([0, -2, 2, 0, 0, 2, -2, 0, 0, -2])
>>> zind = np.where(c==0)[0]
>>> c[zind] = np.array([np.random.choice([1, -1]) for _ in zind])
>>> c
array([ 1, -2,  2, -1, -1,  2, -2, -1,  1, -2])

Answer 3

只是发布我目前得到的答案的最终结果。以后有谁有更好的解决办法欢迎分享！

我对我找到的 3 个解决方案和一个我做过的解决方案进行了计时。

def Norm1(HV):
    HV[HV > 0] = 1
    HV[HV < 0] = -1
    zind = np.where(HV == 0)[0]
    HV[zind] = np.array([np.random.choice([1, -1]) for _ in zind])
    return HV

def norm2(HV):
    if HV == 0: 
        return np.random.choice(np.array([-1,1])) 
    else: 
        return HV / HV * np.sign(HV)                                                                         

Norm2 = np.vectorize(norm2)

def Norm3(HV):
    HV[HV > 0] = 1
    HV[HV < 0] = -1
    mask = HV==0;
    HV[mask] = np.random.choice((-1,1),HV[mask].shape)
    return HV

def generate(size):
    return np.random.binomial(1, 0.5, size=size) * 2 - 1

def Norm4(arr):
    np.floor_divide(arr, 2, out=arr)
    positions = (arr == 0)
    size = sum(positions)
    np.add.at(arr, positions, generate(size)

时间是：

%%timeit
d = Norm1(c)
203 µs ± 5.9 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%%timeit
d = Norm2(c)
33.4 ms ± 1.03 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%%timeit
d = Norm3(c)
217 µs ± 11.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit
d = Norm4(c)
21 ms ± 1.23 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

所以目前看起来答案 1 和 3 是最好的答案。它们之间的差异看起来很小，但在尝试更多运行后，数字 1 总是略微位于顶部。

感谢大家的帮助！我将在问题中添加一些对 HD 计算的引用，因为这是此应用程序中的核心问题，因此如果需要，人们可以更轻松地找到它。

在 numpy 数组中查找 X 值并替换为随机值

Finding X values in numpy array and substituting for random value

python

arrays

numpy

vectorization