Nicht repetitive Zufallszahl in numpy

Wie kann ich nicht repetitive Zufallszahlen in Numpy generieren?

list = np.random.random_integers(20,size=(10))

numpy.random.Generator.choicebietet ein replaceArgument, um ersatzlos zu probieren:

from numpy.random import default_rng

rng = default_rng()
numbers = rng.choice(20, size=10, replace=False)

Wenn Sie ein NumPy vor 1.17 ohne GeneratorAPI verwenden, können Sie Folgendes random.sample()aus der Standardbibliothek verwenden:

print(random.sample(range(20), 10))

Sie können auch verwenden numpy.random.shuffle()und in Scheiben schneiden, dies ist jedoch weniger effizient:

a = numpy.arange(20)
numpy.random.shuffle(a)
print a[:10]

Es gibt auch ein replaceArgument in der Legacy- numpy.random.choiceFunktion, aber dieses Argument wurde ineffizient implementiert und dann aufgrund von Stabilitätsgarantien für Zufallszahlenströme ineffizient gelassen, sodass seine Verwendung nicht empfohlen wird. (Grundsätzlich wird das Shuffle-and-Slice-Ding intern ausgeführt.)

Ich denke, numpy.random.samplefunktioniert momentan nicht. Das ist mein Weg:

import numpy as np
np.random.choice(range(20), 10, replace=False)

Jahre später einige Zeiträume für die Auswahl von 40000 aus 10000 ^ 2 (Numpy 1.8.1, imac 2.7 GHz):

import random
import numpy as np

n = 10000
k = 4
np.random.seed( 0 )

%timeit np.random.choice( n**2, k * n, replace=True )  # 536 µs ± 1.58 µs
%timeit np.random.choice( n**2, k * n, replace=False ) # 6.1 s ± 9.91 ms

# https://docs.scipy.org/doc/numpy/reference/random/index.html
randomstate = np.random.default_rng( 0 )
%timeit randomstate.choice( n**2, k * n, replace=False, shuffle=False )  # 766 µs ± 2.18 µs
%timeit randomstate.choice( n**2, k * n, replace=False, shuffle=True )   # 1.05 ms ± 1.41 µs

%timeit random.sample( range( n**2 ), k * n )          # 47.3 ms ± 134 µs

(Warum 40000 von 10000 ^ 2 wählen? Um große scipy.sparse.random- Matrizen zu generieren - scipy 1.4.1 verwendet np.random.choice( replace=False ), slooooow.)

Tipp des Hutes an numpy.random Leute.

Sie können dies auch durch Sortieren erhalten:

random_numbers = np.random.random([num_samples, max_int])
samples = np.argsort(random_numbers, axis=1)

Generieren Sie einfach ein Array, das den erforderlichen Zahlenbereich enthält, und mischen Sie diese, indem Sie wiederholt ein zufälliges mit dem 0. Element im Array austauschen. Dies erzeugt eine zufällige Sequenz, die keine doppelten Werte enthält.