我需要将 numpy 矩阵的所有列一一打乱。 这是我当前的代码
n, p = X.shape
val = []
for i in range(p):
Xt = X.copy()
np.random.shuffle(Xt[:, i])
print(Xt)
我每次都将 X
复制到变量 Xt
。这似乎是非常低效的。
我怎样才能加快这段代码的速度?
编辑:示例 鉴于
`X= [[0 3 6]
[1 4 7]
[2 5 8]]`
for 循环的预期输出是:
>>> [[2 3 6]
[1 4 7]
[0 5 8]]
[[0 5 6]
[1 4 7]
[2 3 8]]
[[0 3 7]
[1 4 8]
[2 5 6]]
>>>
每次只能打乱一列。所有其他列应具有与原始矩阵相同的值
最佳答案
在 numpy 中打乱一列可以就地完成,根本不需要复制:
import numpy as np
X = np.arange(25).reshape(5,5).transpose()
print X
np.random.shuffle(X[:,2]) # here, X[:,2] is a just a view onto this column of X
print X
输出是:
[[ 0 1 2 3 4] # the original
[ 5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 18 19]
[20 21 22 23 24]]
[[ 0 1 2 3 4] # note that the middle column is shuffled here
[ 5 6 12 8 9]
[10 11 22 13 14]
[15 16 17 18 19]
[20 21 7 23 24]]
您正在进行大量复制,很难判断其中是否有必要满足您的整体需求,但洗牌不需要。
编辑:
这道题虽然是按照洗牌的方式写的,但是因为洗牌可以原地进行,所以实际效率低下是因为抄袭。因此,问题就变成了 OP 在副本方面需要什么?由于需要恢复原始数组,因此需要对某些附加索引或数组值进行一些复制或复制。在这种情况下,唯一的效率是希望不需要为每个循环复制整个数组,而只需要复制列(或者,基本上等价的,复制整个矩阵一次——与复制矩阵 p 相比- 在问题的示例和@ajcr 中完成的时间)。以下生成器只是逐行执行此操作:
def sc(x):
p = X.shape[1]
for i in range(p):
hold = np.array(x[:,i])
np.random.shuffle(x[:,i])
yield x
x[:,i] = hold
for i in sc(X):
print i
给出:
[[ 2 5 11 15 20] # #0 column shuffled
[ 3 6 10 16 21]
[ 0 7 14 17 22]
[ 4 8 13 18 23]
[ 1 9 12 19 24]]
[[ 0 5 11 15 20] # #1 column shuffled
[ 1 8 10 16 21]
[ 2 9 14 17 22]
[ 3 7 13 18 23]
[ 4 6 12 19 24]]
# etc
另一方面,如果整个数组需要为每个列移位一个新的副本,那就是时间流逝的地方,并且列是一个一个地打乱还是同时打乱并不重要,等
关于python - 在 numpy 矩阵中一次打乱一列的有效方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26975807/