用随机数替换条件下的numpy数组值

Posted 2023-02-23

【中文标题】用随机数替换条件下的numpy数组值

【英文标题】：Replace numpy array value on condition with random number

【发布时间】：2017-07-19 22:26:59

【问题描述】：

我需要根据条件用随机数替换 numpy 数组中的一些值。

我有一个函数可以在 50% 的时间内添加随机值：

def add_noise(noise_factor=0.5):

    chance = random.randint(1,100)
    threshold_prob = noise_factor * 100.

    if chance <= threshold_prob:
        noise = float(np.random.randint(1,100))
    else:
        noise = 0.

    return(noise)

但是当我调用 numpy 函数时，它会将所有匹配值替换为生成的随机数：

np.place(X, X==0., add_noise(0.5))

这样做的问题是 add_noise() 只运行一次，它将所有 0. 值替换为噪声值。

我要做的是“迭代” numpy 数组中的每个元素，检查条件（是否 ==0。），我想每次都通过 add_noise() 生成噪声值。

我可以通过遍历每一行和每一列的 for 循环来做到这一点，但有人知道更有效的方法吗？

【问题讨论】：

发布的解决方案是否适合您？

是的，矢量化方法很好。谢谢。

【参考方案1】：

你可以对你的函数进行矢量化，这样可以很容易地应用于每个元素，而且我想效率也很高。

import random
import numpy as np

def add_noise(x):
    if not x:
        if random.random() <= 0.5:
            noise = float(np.random.randint(1,100))
            return noise
        else:
            return 0
    else:
        return x

x = np.zeros(shape=(10, 10))

n = np.vectorize(add_noise)
x = n(x)

【参考方案2】：

这是一种矢量化方法 -

noise_factor = 0.5 # Input param

# Get mask of zero places and the count of it. Also compute threshold
mask = X==0
c = np.count_nonzero(mask)
threshold_prob = noise_factor * 100.

# Generate noise numbers for count number of times. 
# This is where vectorization comes into the play.
nums = np.random.randint(1,100, c)

# Finally piece of the vectorization comes through replacing that IF-ELSE
# with np,where that does the same op of choosing but in a vectorized way
vals = np.where(nums <= threshold_prob, np.random.randint(1,100, c) , 0)

# Assign back into X
X[mask] = vals

额外的好处是我们将0s 的mask 重新用于add_noise 操作，也用于分配回X。这取代了np.place 的使用，是一种效率标准。

进一步提升性能

我们可以在计算 nums 和 vals 的步骤中进一步优化，这些步骤使用两个随机数生成步骤，而是这样做一次并在第二步重复使用，就像这样 -

nums = np.random.randint(1,100, (2,c))
vals = np.where(nums[0] <= threshold_prob, nums[1] , 0)

【参考方案3】：

如果我理解正确，您想根据两个条件将 numpy 数组的值更改为随机值。

值应该为零 一些随机的机会因素

对于这两个条件，您可以创建两个掩码并将它们与np.logical_and 组合。并且您可以使用np.random 方法获取随机数数组。

import numpy as np

def add_perhaps_noise_if_zero(x, threshold=0.5):
    mask_1 = x == 0.0
    mask_2 = np.random.random(x.shape) <= threshold
    mask_combined = np.logical_and(mask_1, mask_2)
    x[mask_combined] += np.random.random(x.shape)[mask_combined]
    return x


x = np.zeros((5,5))
for i in range(5):
    print(x)
    x = add_perhaps_noise_if_zero(x)