提问人：blipblop 提问时间：8/19/2018 最后编辑：user3483203blipblop 更新时间：8/20/2018 访问量：1869
Numpy 数组：具有随机关系的行/列 argmax
Numpy arrays: row/column wise argmax with random ties
问：
这是我在 Python 2.7 中尝试使用 Numpy 做的事情。假设我有一个由以下定义定义的数组：a
a = np.array([[1,3,3],[4,5,6],[7,8,1]])
我可以做或获取行/列明智的argmax：a.argmax(0)a.argmax(1)
a.argmax(0)
Out[329]: array([2, 2, 1], dtype=int64)
a.argmax(1)
Out[330]: array([1, 2, 1], dtype=int64)
但是，当出现像第一行这样的平局时，我想在平局之间随机决定 argmax（默认情况下，每当 argmax 或 argmin 中出现平局时，Numpy 都会返回第一个元素）。a
去年，有人提出了一个关于随机解决 Numpy argmax/argmin 关系的问题：通过列索引在 Numpy 数组的每一行中选择一个元素
然而，这个问题针对的是一维数组。在那里，得票最多的答案很有效。还有第二个答案也试图解决多维数组的问题，但不起作用 - 即它不会为每一行/列返回随机求解的最大值的索引。
由于我正在使用大型数组，因此最有效的方法是什么？
答：
5赞
John Zwinck
8/19/2018
#1
一个简单的方法是在开始时向所有值添加一个小的随机数，因此您的数据将如下所示：
a = np.array([[1.1827,3.1734,3.9187],[4.8172,5.7101,6.9182],[7.1834,8.5012,1.9818]])
这可以通过 来完成。a = a + np.random.random(a.shape)
如果以后需要取回原始值，可以删除小数部分。a.astype(int)
评论
2赞
user3483203
8/19/2018
您必须保证添加的数字小于最大数字和次大数字之间的最小差值（如果输入是整数，则可以正常工作）。不过，这是一个聪明的答案。
3赞
Divakar
8/19/2018
#2
通用案例解决方案，每组选择一个
为了解决从指定选择范围的数字列表/数组中选取随机数的一般情况，我们将使用创建统一兰德数组的技巧，添加由间隔长度指定的偏移量，然后执行 .实现将如下所示 -argsort
def random_num_per_grp(L):
# For each element in L pick a random number within range specified by it
r1 = np.random.rand(np.sum(L)) + np.repeat(np.arange(len(L)),L)
offset = np.r_[0,np.cumsum(L[:-1])]
return r1.argsort()[offset] - offset
示例案例 -
In [217]: L = [5,4,2]
In [218]: random_num_per_grp(L) # i.e. select one per [0-5,0-4,0-2]
Out[218]: array([2, 0, 1])
因此，输出将具有与输入中相同数量的元素，并且第一个输出元素将位于 in 、second in 等。L[0,5)[0,4)
在这里解决我们的问题
为了解决我们这里的情况，我们将使用一个修改后的版本（特别是删除函数末尾的偏移移除部分，如下所示 -
def random_num_per_grp_cumsumed(L):
# For each element in L pick a random number within range specified by it
# The final output would be a cumsumed one for use with indexing, etc.
r1 = np.random.rand(np.sum(L)) + np.repeat(np.arange(len(L)),L)
offset = np.r_[0,np.cumsum(L[:-1])]
return r1.argsort()[offset]
方法#1
一种解决方案可以这样使用它 -
def argmax_per_row_randtie(a):
max_mask = a==a.max(1,keepdims=1)
m,n = a.shape
all_argmax_idx = np.flatnonzero(max_mask)
offset = np.arange(m)*n
return all_argmax_idx[random_num_per_grp_cumsumed(max_mask.sum(1))] - offset
验证
让我们在给定的样本上进行大量运行，并计算每行每个索引的出现次数
In [235]: a
Out[235]:
array([[1, 3, 3],
[4, 5, 6],
[7, 8, 1]])
In [225]: all_out = np.array([argmax_per_row_randtie(a) for i in range(10000)])
# The first element (row=0) should have similar probabilities for 1 and 2
In [236]: (all_out[:,0]==1).mean()
Out[236]: 0.504
In [237]: (all_out[:,0]==2).mean()
Out[237]: 0.496
# The second element (row=1) should only have 2
In [238]: (all_out[:,1]==2).mean()
Out[238]: 1.0
# The third element (row=2) should only have 1
In [239]: (all_out[:,2]==1).mean()
Out[239]: 1.0
方法#2：使用掩码提高性能
我们可以利用并因此避免这种情况，以获得性能，就像使用布尔数组一样。此外，我们将泛化以涵盖行 （axis=1） 和列（axis=0），以给自己一个修改后的行，如下所示 -maskingflatnonzero
def argmax_randtie_masking_generic(a, axis=1):
max_mask = a==a.max(axis=axis,keepdims=True)
m,n = a.shape
L = max_mask.sum(axis=axis)
set_mask = np.zeros(L.sum(), dtype=bool)
select_idx = random_num_per_grp_cumsumed(L)
set_mask[select_idx] = True
if axis==0:
max_mask.T[max_mask.T] = set_mask
else:
max_mask[max_mask] = set_mask
return max_mask.argmax(axis=axis)
样品运行在 和axis=0axis=1 -
In [423]: a
Out[423]:
array([[1, 3, 3],
[4, 5, 6],
[7, 8, 1]])
In [424]: argmax_randtie_masking_generic(a, axis=1)
Out[424]: array([1, 2, 1])
In [425]: argmax_randtie_masking_generic(a, axis=1)
Out[425]: array([2, 2, 1])
In [426]: a[1,1] = 8
In [427]: a
Out[427]:
array([[1, 3, 3],
[4, 8, 6],
[7, 8, 1]])
In [428]: argmax_randtie_masking_generic(a, axis=0)
Out[428]: array([2, 1, 1])
In [429]: argmax_randtie_masking_generic(a, axis=0)
Out[429]: array([2, 1, 1])
In [430]: argmax_randtie_masking_generic(a, axis=0)
Out[430]: array([2, 2, 1])
1赞
Bi Rico
8/20/2018
#3
您可以使用与输入形状相同的随机数数组，但屏蔽数组以仅留下候选数以供选择。
import numpy as np
def rndArgMax(a, axis):
a_max = a.max(axis, keepdims=True)
tmp = np.random.random(a.shape) * (a == a_max)
return tmp.argmax(axis)
a = np.random.randint(0, 3, size=(2, 3, 4))
print(rndArgMax(a, 1))
# array([[1, 1, 2, 1],
# [0, 1, 1, 1]])
评论