Блог

Я генерирую случайную матрицу с

 np.random.randint(2, size=(5, 3))
  

это выводит что-то вроде

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

Как мне создать случайную матрицу с условием, что каждая строка не может содержать все 1 ‘s? То есть каждая строка может быть [1,0,0] или [0,0,0] или [1,1,0] [1,0,1 ] или [0,0,1 [0,1,0] ] или [0,1,1] или , но не может [1,1,1] быть не может.

Спасибо за ваши ответы

Вот интересный подход:

 rows = np.random.randint(7, size=(6, 1), dtype=np.uint8)
np.unpackbits(rows, axis=1)[:, -3:]
  

По сути, вы выбираете целые числа 0-6 для каждой строки, то есть 000-110 в двоичном формате. 7 будет равно 111 (все единицы). Вам просто нужно извлечь двоичные цифры в виде столбцов и взять последние 3 цифры (ваши 3 столбца), поскольку вывод unpackbits равен 8 цифрам.

Вывод:

 array([[1, 0, 1],
       [1, 0, 0],
       [1, 0, 0],
       [1, 0, 0],
       [0, 1, 1],
       [0, 0, 0]], dtype=uint8)
  

Если у вас всегда есть 3 столбца, один из подходов заключается в явном перечислении возможных строк, а затем в случайном выборе среди них, пока у вас не наберется достаточное количество строк:

 import numpy as np

# every acceptable row
choices = np.array([
    [1,0,0],
    [0,0,0],
    [1,1,0],
    [1,0,1],
    [0,0,1],
    [0,1,0],
    [0,1,1]
])

n_rows = 5
# randomly pick which type of row to use for each row needed
idx = np.random.choice(range(len(choices)), size=n_rows)

# make an array by using the chosen rows
array = choices[idx]
  

Если это необходимо обобщить на большое количество столбцов, будет непрактично явно перечислять все варианты (даже если вы создаете варианты программно, память по-прежнему остается проблемой; количество возможных строк экспоненциально растет с увеличением количества столбцов). Вместо этого вы можете создать исходную матрицу, а затем просто выполнить повторную выборку любых неприемлемых строк, пока их не останется ни одной. Я предполагаю, что строка неприемлема, если она состоит только из единиц; было бы легко адаптировать это к случаю, когда пороговое значение равно любому числу единиц.

 n_rows = 5
n_cols = 4

array = np.random.randint(2, size=(n_rows, n_cols))
all_1s_idx = array.sum(axis=-1) == n_cols
while all_1s_idx.any():
    array[all_1s_idx] = np.random.randint(2, size=(all_1s_idx.sum(), n_cols))
    all_1s_idx = array.sum(axis=-1) == n_cols
  

Здесь мы просто продолжаем повторную выборку всех неприемлемых строк, пока их не останется ни одной. Поскольку все необходимые строки пересчитываются одновременно, это должно быть довольно эффективно. Кроме того, по мере увеличения числа столбцов вероятность того, что строка будет содержать все единицы, уменьшается экспоненциально, поэтому эффективность не должна быть проблемой.

@busybear опередил меня в этом, но я все равно опубликую это, поскольку это немного более общее:

 def not_all(m, k):
    if k>64 or sys.byteorder != 'little':
        raise NotImplementedError
    sample = np.random.randint(0, 2**k-1, (m,), dtype='u8').view('u1').reshape(m, -1)
    sample[:, k//8] <<= -k%8                                                        
    return np.unpackbits(sample).reshape(m, -1)[:, :k]                         
  

Например:

 >>> sample = not_all(1000000, 11)
# sanity checks
>>> unq, cnt = np.unique(sample, axis=0, return_counts=True)
>>> len(unq) == 2**11-1
True
>>> unq.sum(1).max()
10
>>> cnt.min(), cnt.max()
(403, 568)
  

И пока я пытаюсь перехватить ответы других людей, вот упрощенная версия метода принятия- отклонения @Nathan .

 def accrej(m, k):
    sample = np.random.randint(0, 2, (m, k), bool)
    all_ones, = np.where(sample.all(1))
    while all_ones.size:
        resample = np.random.randint(0, 2, (all_ones.size, k), bool)
        sample[all_ones] = resample
        all_ones = all_ones[resample.all(1)]
    return sample.view('u1')
  

Попробуйте это решение с помощью sum() :

 import numpy as np

array = np.random.randint(2, size=(5, 3))
for i, entry in enumerate(array):
    if entry.sum() == 3:
        while True:
            new = np.random.randint(2, size=(1, 3))
            if new.sum() == 3:
                continue
            break
        array[i] = new

print(array)
  

Удачи, мой друг!