指定大小的随机子集的清单

Question

我想计算一个数组的随机子集的列表，其中子集的顺序是随机的，并且各自子集中的每个元素都是唯一的，我想高效地做到这一点（就时间和空间而言）。] >

例如，带有某些参数[1,2,3,4,5]和k=3的数组n=5应该产生矩阵

[[4,3,1],
 [1,2,5],
 [2,4,5],
 [3,2,5],
 [2,3,1]]
即，我们从数组中获得n=5个带有k=3个随机unique

元素的列表。

我希望此速度尽可能快，而不创建巨大的可能组合查询表，因为时间和空间都是至关重要的。

我试图用numpy.random.choice(array,n*k).reshape((n,k))做到这一点，除了唯一性部分，它几乎可以满足我的要求。我决定了以下内容

subsets = numpy.zeros(n).reshape((n,1))
subsets = numpy.apply_along_axis(lambda x: numpy.random.choice(array, k, replace=False),1, subsets)
但是由于这不是纯粹的麻木，这很慢。我的申请太慢了。有什么方法可以改善运行时，也许可以通过纯粹的numpy命令来实现？

任何帮助将不胜感激。

我想计算一个数组的随机子集的列表，其中子集的顺序是随机的，并且它们各自子集中的每个元素都是唯一的，我想高效地做到这一点（根据...

Answer 1

假设k会比n小得多，您可以在不进行替换的情况下实施采样：

idx = np.random.randint([5,4,3], size=[5,3])
idx[:,2:] += idx[:,2:] >= idx[:,1,None]
idx[:,1:] += idx[:,1:] >= idx[:,0,None]
np.array([1,2,3,4,5])[arr]

Answer 2

考虑到您的数字，一种好的方法是简单地用替换进行抽签，并丢弃重复的抽签。

Answer 3

N = [1, 2, 3, 4, 5]
k = 3
n = 5

arr = np.array([N] * n)

arr
array([[1, 2, 3, 4, 5],
       [1, 2, 3, 4, 5],
       [1, 2, 3, 4, 5],
       [1, 2, 3, 4, 5],
       [1, 2, 3, 4, 5]])

[np.random.shuffle(i) for i in arr]

arr
array([[3, 5, 1, 2, 4],
       [5, 1, 3, 2, 4],
       [3, 5, 2, 4, 1],
       [4, 5, 1, 2, 3],
       [1, 5, 3, 2, 4]])

arr[:, :3]
array([[3, 5, 1],
       [5, 1, 3],
       [3, 5, 2],
       [4, 5, 1],
       [1, 5, 3]])