Für Testzwecke, würde Ich mag einen M by N numpy Array mit c zufällig NaNs Beispiel erzeugt numpy Array mit zufällig platzierten NaNs
import numpy as np
M = 10;
N = 5;
c = 15;
A = np.random.randn(M,N)
A[mask] = np.nan
mask mit
c wahren Elementen habe platziert zu schaffen, oder vielleicht kann das direkt mit Indizes gemacht werden?
Sie np.random.choice mit dem optionalen replace=False für random selection without replacement verwenden können und die auf einem abgeflachten verwenden Version von A (erfolgt mit .ravel()), so -
A.ravel()[np.random.choice(A.size, c, replace=False)] = np.nan
Probelauf -
In [100]: A
Out[100]:
array([[-0.35365726, 0.26754527, -0.44985524, -1.29520237, 2.01505444],
[ 0.01319146, 0.65150356, -2.32054478, 0.40924753, 0.24761671],
[ 0.3014714 , -0.80688589, -2.61431163, 0.07787956, 1.23381951],
[-1.70725777, 0.07856845, -1.04354202, -0.68904925, 1.07161002],
[-1.08061614, 1.17728247, -1.5913516 , -1.87601976, 1.14655867],
[ 1.12542853, -0.26290025, -1.0371326 , 0.53019033, -1.20766258],
[ 1.00692277, 0.171661 , -0.89646634, 1.87619114, -1.04900026],
[ 0.22238353, -0.6523747 , -0.38951426, 0.78449948, -1.14698869],
[ 0.58023183, 1.99987331, -0.85938155, 1.4211672 , -0.43369898],
[-2.15682219, -0.6872121 , -1.28073816, -0.97523148, -2.27967001]])
In [101]: A.ravel()[np.random.choice(A.size, c, replace=False)] = np.nan
In [102]: A
Out[102]:
array([[ nan, 0.26754527, -0.44985524, nan, 2.01505444],
[ 0.01319146, 0.65150356, -2.32054478, nan, 0.24761671],
[ nan, -0.80688589, nan, nan, 1.23381951],
[ nan, nan, -1.04354202, -0.68904925, 1.07161002],
[-1.08061614, 1.17728247, -1.5913516 , nan, 1.14655867],
[ 1.12542853, nan, -1.0371326 , 0.53019033, -1.20766258],
[ nan, 0.171661 , -0.89646634, nan, nan],
[ 0.22238353, -0.6523747 , -0.38951426, 0.78449948, -1.14698869],
[ 0.58023183, 1.99987331, -0.85938155, nan, -0.43369898],
[-2.15682219, -0.6872121 , -1.28073816, -0.97523148, nan]])
Sie np.random.shuffle auf einem neuen Array verwenden könnte Ihre Maske zu erstellen:
import numpy as np
M = 10;
N = 5;
c = 15;
A = np.random.randn(M,N)
mask=np.zeros(M*N,dtype=bool)
mask[:c] = True
np.random.shuffle(mask)
mask=mask.reshape(M,N)
A[mask] = np.nan
Welche gibt:
[[ 0.98244168 0.72121195 0.99291217 0.17035834 0.46987918]
[ 0.76919975 0.53102064 nan 0.78776918 nan]
[ 0.50931304 0.91826809 0.52717345 nan nan]
[ 0.35445471 0.28048106 0.91922292 0.76091783 0.43256409]
[ 0.69981284 0.0620876 0.92502572 nan nan]
[ nan nan nan 0.24466688 0.70259211]
[ 0.4916004 nan nan 0.94945378 0.73983538]
[ 0.89057404 0.4542628 nan 0.95547377 nan]
[ 0.4071912 0.36066797 0.73169132 0.48217226 0.62607888]
[ 0.30341337 nan 0.75608859 0.31497997 nan]]
auch nicht schlecht Sie entweder! Ich musste google Suche nach zufälliger Auswahl ohne Ersatz und fand, dass "random_choice" dieses optionale 'ersetzen' Argument hatte, gerade gearbeitet! :) – Divakar
Oh, das ist ein bisschen eleganter als mein Weg! – tom
Ich denke, ich kann 'np.random.choice' auch durch' np.random.randint (0, high = A.size, size = c) 'für meine Anwendung ersetzen (wenn der Ersatz keine Rolle spielt). Warum bleibt das Array nach 'ravel()' nicht flach? – Oleg
@OlegKomarov 'np.random.randint' könnte Ihnen wiederholte Indizes geben, also glaube ich nicht, dass das in Ihrem Fall funktionieren würde. In Bezug auf das '.ravel()' Ding ist es nur ein ['view'] (http://stackoverflow.com/questions/4370745/view-onto-a-numpy-array), so dass es nicht gerade im Speicher flacht. Daher wird die "abgeflachte Ansicht" als NaNs indiziert und eingestellt, während sie als 2D-Array beibehalten wird. – Divakar