从numpy数组高效地生成合成数据

Question

假设我在一个numpy数组中有一组概率：

0.25，0.12.5，0.125，0.50

我想要生成N个热编码的结果，与每个概率成正比：

0，0，0，1应该是结果的50%，0，0，1，0应该是12.5%的时间

诸若此类。

我可以一个一个地写些东西来做这些事情，但是我需要几百万的结果，所以用numpy作为后盾是很理想的。

Answer 1

可以将multinomial发行版与n=1一起使用。

In [36]: rng = np.random.default_rng()

In [37]: a = np.array([0.25, 0.125, 0.125, 0.50])

In [38]: N = 10

In [39]: rng.multinomial(1, a, size=N)
Out[39]: 
array([[0, 0, 0, 1],
       [0, 0, 0, 1],
       [0, 0, 0, 1],
       [1, 0, 0, 0],
       [0, 0, 0, 1],
       [0, 0, 0, 1],
       [0, 0, 1, 0],
       [1, 0, 0, 0],
       [0, 0, 0, 1],
       [0, 0, 0, 1]])

生成一个大的示例，并检查列的平均值--它们应该接近a

In [40]: N = 1000000

In [41]: x = rng.multinomial(1, a, size=N)

In [42]: x.mean(axis=0)
Out[42]: array([0.249467, 0.125005, 0.124565, 0.500963])

Answer 2

IIUC，您可以使用numpy.random.choice和数组作为概率来选择如何在零数组中设置1：

a = np.array([0.25, 0.125, 0.125, 0.50])
out = np.zeros_like(a, dtype=int)
out[np.random.choice(range(len(a)), p=a)] = 1

print(out)

示例：array([0, 0, 0, 1])

对N值的推广

a = np.array([0.25, 0.125, 0.125, 0.50])
N = 10
out = np.zeros((N, len(a)), dtype=int)
out[np.arange(N), np.random.choice(range(len(a)), p=a, size=N)] = 1

示例：

[[0 1 0 0]
 [0 0 0 1]
 [1 0 0 0]
 [0 0 0 1]
 [0 0 0 1]
 [0 0 0 1]
 [0 0 1 0]
 [0 0 0 1]
 [0 0 0 1]
 [0 0 0 1]]

Answer 3

Numpy的random.choice可以应用概率。

import numpy as np
opts = [0.25,0.125,0.125,0.5]
outcomes = [[1,0,0,0],[0,1,0,0],[0,0,1,0],[0,0,0,1]]
z = np.random.choice(4,size=50000,p=opts)
print(z)
z = np.take(outcomes,z,axis=0)
print(z)