从 ndarray 生成引导样本

Question

有没有办法在 N 维数组上生成引导样本？ 我仅限于使用 numpy==1.19.4

我已经尝试在其他维度上使用 for 循环无济于事，但以下适用于一维 arrays。

 import numpy as np # Set random state and number of resamples random.seed(random_state) n_resamples = 9999 # Generate data data_1d = np.arange(2, 3, 0.1) data_nd = np.random.default_rng(42).random((2,3,2)) data = data_1d.copy() # Resample the data with replacement, computing the test statistic for each set of resamples bs_samples = [np.std(np.random.choice(data, size=len(data))) for _ in range(n_resamples)]

Answer 1

如果我遇到您的问题，我会使用此方法：

假设你有这个多维数组：

 data_nd = np.random.rand(100, 3, 2) data_nd.shape #(100, 3, 2)

您可以通过这种方式使用引导程序对元素进行采样：

 n_resamples = 99 data_nd[np.random.randint(len(data_nd), size=len(data_nd)*n_resamples)].reshape(n_resamples, *data_nd.shape).shape

我正在做的是随机提取带有替换的索引（randint），最后重塑采样以获得与原始数据集相同尺寸的 99 个自举数据集。

请注意，通过此过程，您将 arrays 视为沿第一个轴的“元素”，因此您采样的每个元素都具有形状 (3,2)。

我希望这很清楚，但如果您有任何疑问，请告诉我。