具有特定比例的二进制随机数组？

Question

如何有效（可能使用Matlab术语进行向量化）地按特定比例生成随机数量的0和1？特别是使用Numpy？

由于我的情况对于1/3很特殊，我的代码是：

import numpy as np 
a=np.mod(np.multiply(np.random.randomintegers(0,2,size)),3)

但是是否有任何内置函数可以更有效地处理这种情况，至少对于 K/N 的情况，其中K和N是自然数？

- Cupitor

---

你需要比例恰好是给定的值，还是那只是样本的预期比例？ - Warren Weckesser

此外，当“size”不可被3整除时，对于1/3的情况应该怎么处理？抛出异常？四舍五入/向下取整/截断？加权随机舍入（因此10有2/3的概率为3和1/3的概率为4）？ - abarnert

@WarrenWeckesser，这在我的情况下是预期的比例。我希望您没有删除您的答案，这样我就可以接受它。 - Cupitor

@Naji：我恢复了我的答案。如果你需要精确的比例，那种方法是行不通的。 - Warren Weckesser

@Naji：你想要什么？我希望它能创造一万亿美元，但它只给了我一个数组。我想我还不够相信它。 ;) - abarnert

Answer 1

另一种方法是使用 np.random.choice：

>>> np.random.choice([0, 1], size=(10,), p=[1./3, 2./3])
array([0, 1, 1, 1, 1, 0, 0, 0, 0, 0])

- Jaime

---

请注意，这种方法将不能给您所要求的零和一的确切比例。 @mdml下面的答案会给出确切比例。 - abcd

true，而且既然被接受了，我认为Cupitor可能在他的程序中添加了一个bug。 - JFFIGK

@JFFIGK，dbliss：这个问题在评论中已经讨论过了。那些评论还在，你可以去看一下。 - Warren Weckesser

由于提到的链接已经失效，请查看：numpy.random.choice。 - Alireza Rezaee

Answer 2

一个简单的方法是首先生成一个带有所需零和一比例的 ndarray：

>>> import numpy as np
>>> N = 100
>>> K = 30 # K zeros, N-K ones
>>> arr = np.array([0] * K + [1] * (N-K))
>>> arr
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
       0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1])

然后你只需对数组进行shuffle操作，使其分布随机：

>>> np.random.shuffle(arr)
>>> arr
array([1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 0, 1, 0, 0, 1, 0,
       1, 1, 0, 0, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1,
       1, 1, 1, 1, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1,
       0, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 1, 0, 1,
       1, 1, 1, 0, 1, 1, 1, 1])

请注意，与二项式方法相比，此方法将为您提供所请求的零/一的精确比例。如果您不需要精确比例，则二项式方法也可以正常工作。

- mdml

---

我真是太蠢了！我忘记了二进制分发。实际上，在你之前有人发布了二进制文件，但他删除了他的答案（不知道为什么！！） - Cupitor

这非常聪明。 - mxmlnkn

Answer 3

如果我正确理解你的问题，你可以通过numpy.random.shuffle获得一些帮助。

>>> def rand_bin_array(K, N):
    arr = np.zeros(N)
    arr[:K]  = 1
    np.random.shuffle(arr)
    return arr

>>> rand_bin_array(5,15)
array([ 0.,  1.,  0.,  1.,  1.,  1.,  0.,  0.,  0.,  1.,  0.,  0.,  0.,
        0.,  0.])

- Abhijit

Answer 4

你可以使用numpy.random.binomial。例如，假设frac是1的比例：

In [50]: frac = 0.15

In [51]: sample = np.random.binomial(1, frac, size=10000)

In [52]: sample.sum()
Out[52]: 1567

- Warren Weckesser

---

这并不像mdml的答案那样保证正确的比例。 - Epimetheus

@John，这个在问题评论区已经讨论过了。你可以去看一下。 - Warren Weckesser

我现在明白了！当然，那个问题需要编辑，因为它要求特定的比例。 - Epimetheus

Answer 5

简单来说：我认为在这个问题中，使用整数列表和概率分布是不直观且过度的解决方法。你可以先使用 bool，然后根据需要转换为 int（尽管保留为 bool 数组在大多数情况下也可行）。

>>> import numpy as np
>>> np.random.random(9) < 1/3.
array([False,  True,  True,  True,  True, False, False, False, False])   
>>> (np.random.random(9) < 1/3.).astype(int)
array([0, 0, 0, 0, 0, 1, 0, 0, 1])    

- Galactic Ketchup

---

这并不保证像mdml的答案那样正确地比例。 - Epimetheus

OP 表示他们希望 1/3 成为预期的 1 的比例，而不是精确的比例。 - Galactic Ketchup

Answer 6

另一种获取1和0的确切数量的方法是使用np.random.choice进行无重复索引采样：

arr_len = 30
num_ones = 8

arr = np.zeros(arr_len, dtype=int)
idx = np.random.choice(range(arr_len), num_ones, replace=False)
arr[idx] = 1

输出：

arr

array([0, 0, 0, 1, 0, 0, 0, 1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 1,
       0, 0, 0, 0, 0, 1, 0, 0])

- joelostblom

Answer 7

你可以通过以下方法在一行中直接生成具有随机二进制成员（0和1）的nd-array。你也可以使用np.random.random()代替np.random.uniform()。

>>import numpy as np
>>np.array([[round(np.random.uniform()) for i in range(3)] for j in  range(3)])
array([[1, 0, 0],
       [1, 1, 1],
       [0, 1, 0]])
>>

- Ali Chitsaz