如何有效地改变数组中一定数量的值？

Question

给定初始二维数组：

initial = [
 [0.6711999773979187, 0.1949000060558319],
 [-0.09300000220537186, 0.310699999332428],
 [-0.03889999911189079, 0.2736999988555908],
 [-0.6984000205993652, 0.6407999992370605],
 [-0.43619999289512634, 0.5810999870300293],
 [0.2825999855995178, 0.21310000121593475],
 [0.5551999807357788, -0.18289999663829803],
 [0.3447999954223633, 0.2071000039577484],
 [-0.1995999962091446, -0.5139999985694885],
 [-0.24400000274181366, 0.3154999911785126]]

目标是将数组内的一些随机值乘以随机百分比。 假设只有3个随机数被随机乘数代替，我们应该得到如下内容：

output = [
 [0.6711999773979187, 0.52],
 [-0.09300000220537186, 0.310699999332428],
 [-0.03889999911189079, 0.2736999988555908],
 [-0.6984000205993652, 0.6407999992370605],
 [-0.43619999289512634, 0.5810999870300293],
 [0.84, 0.21310000121593475],
 [0.5551999807357788, -0.18289999663829803],
 [0.3447999954223633, 0.2071000039577484],
 [-0.1995999962091446, 0.21],
 [-0.24400000274181366, 0.3154999911785126]]

我尝试这样做：

def mutate(array2d, num_changes):
    for _ in range(num_changes):
        row, col = initial.shape
        rand_row = np.random.randint(row)
        rand_col = np.random.randint(col)
        cell_value = array2d[rand_row][rand_col] 
        array2d[rand_row][rand_col] =  random.uniform(0, 1) * cell_value
    return array2d

这适用于2D数组，但相同的值可能会多次被突变==

而且我不认为这是有效的，它仅适用于2D阵列。

有没有一种方法可以更有效地对任何形状的数组进行这种“变异”？

对于“变异”可以选择哪个值没有任何限制，但是“变异”的数量应严格限制在用户指定的数量之内。

Answer 1

一种相当简单的方法是使用数组的斜视图。 您可以通过这种方式一次生成所有数字，并可以更轻松地保证一次调用不会处理相同的索引两次：

def mutate(array_anyd, num_changes):
    raveled = array_anyd.reshape(-1)
    indices = np.random.choice(raveled.size, size=num_changes, replace=False)
    values = np.random.uniform(0, 1, size=num_changes)
    raveled[indices] *= values

我使用array_anyd.reshape(-1)来支持array_anyd.ravel()因为根据docs ，前者不太可能无意间复制。

当然仍然是这样的可能性。 您可以根据需要添加额外的支票以写回。 一种更有效的方法是使用np.unravel_index避免创建以以下内容开头的视图：

def mutate(array_anyd, num_changes):
    indices = np.random.choice(array_anyd.size, size=num_changes, replace=False)
    indices = np.unravel_indices(indices, array_anyd.shape)
    values = np.random.uniform(0, 1, size=num_changes)
    raveled[indices] *= values

由于修改是就地完成的，因此无需返回任何内容。 按照惯例，此类函数不返回任何内容。 参见例如list.sort与sorted 。

Answer 2

使用shuffle代替random_choice ，这将是另一种解决方案。 它可以处理任何形状的数组。

def mutate(arrayIn, num_changes):
    mult = np.zeros(arrayIn.ravel().shape[0])
    mult[:num_changes] = np.random.uniform(0,1,num_changes)
    np.random.shuffle(mult)
    mult = mult.reshape(arrayIn.shape)
    arrayIn = arrayIn + mult*arrayIn
    return arrayIn