如何有效地在numpy中对卷进行采样？
如何有效地在numpy中对卷进行采样？
提问于 2017-03-23 06:00:54
我在numpy中有一个三维布尔数组。我想从那些具有True值的元素中选择一个随机元素(如果有的话)。选择任何True元素的概率应该是相同的。我需要选定元素的坐标。
可以工作但不是特别快的方法：
- 随机选择元素并检查它们是否为真
- 形成所有True元素的索引列表(例如，使用
numpy.nonzero)，然后随机从中挑选
该数组通常是一个大小为256x256x256的立方体。真实元素约占总数的1%至10%。
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-03-23 06:24:41
我不确定你的方法是否能以一种主要的方式得到改善。无论如何，这里有一个flatnonzero解决方案和一个用于比较的试错解决方案：
import numpy as np
from timeit import timeit
def pick_true(data, n):
nz = np.flatnonzero(data)
return np.unravel_index(np.random.choice(nz, n), data.shape)
def pick_true_2(data, n, p):
pick = np.random.randint(0, data.size, (int(round(n/p)),))
return np.unravel_index(pick[data.ravel()[pick]], data.shape)
data = np.random.random((256,256,256)) < 0.01
print(pick_true(data, 10), data[pick_true(data, 10)])
print('indexing small {:6.4f} secs'.format(timeit(lambda: pick_true(data, 100), number=10)/10))
print('indexing large {:6.4f} secs'.format(timeit(lambda: pick_true(data, 10000), number=10)/10))
print(pick_true_2(data, 10, 0.01), data[pick_true_2(data, 10, 0.01)])
print('non-indexing small {:6.4f} secs'.format(timeit(lambda: pick_true_2(data, 100, 0.01), number=10)/10))
print('non-indexing large {:6.4f} secs'.format(timeit(lambda: pick_true_2(data, 10000, 0.01), number=10)/10))样本输出：
(array([ 8, 164, 247, 160, 154, 147, 146, 73, 89, 1]),
array([ 89, 0, 7, 217, 46, 45, 139, 205, 163, 92]),
array([ 70, 129, 92, 7, 14, 155, 148, 51, 146, 176]))
[ True True True True True True True True True True]
indexing small 0.0072 secs
indexing large 0.0090 secs
(array([ 29, 113, 7, 18, 159, 203, 97, 45]),
array([227, 251, 8, 137, 61, 226, 170, 17]),
array([249, 28, 160, 99, 99, 191, 174, 234]))
[ True True True True True True True True]
non-indexing small 0.0002 secs
non-indexing large 0.0206 secs页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/42968327
复制相关文章
相似问题
腾讯云开发者
