numpy.random.choice 上的不同随机选择

Question

我正在使用函数 numpy.random.choice 立即生成随机样本。但我希望所有样本都不同。有人知道有这样做的功能吗？明确地说，我想要这样：

import numpy as np
a = np.random.choice(62, size=(1000000, 8))
assert( len(set([tuple(a[i]) for i in range(a.shape[0])])) == a.shape[0])

整数上的值可以被替换。唯一需要的是所有行条目都不同。

Answer 1

这个答案已被简化。可以在编辑历史记录中找到过时的方法。

首先，如果您的 numpy 版本>= 1.17，请避免使用np.random.choice推荐的方法：

rng = np.random.default_rng()
rng.choice

每个样本有 8 个值，max_value = 62您有 62**8 个独特的样本。根据生日问题，想要只获得 100 万张意味着 99.8% 的情况下，在一次抽奖中它们都是独一无二的。在这种情况下，生成整个数组并进行简单的检查就足够了。

samples = 1000000
while True:
    a = np.random.choice(62, size=(samples, 8))
    # Credit to Mark Dickinson, this is faster than doing
    # `len(set(tuple(row) for row in a)) == samples`
    if np.unique(a, axis=0).shape[0] == samples:
        break

对于较低的值max_value（小于 30），您可能会以足够的频率/确定性生成重复项，以致上述方法可能变得低效甚至无限循环。然后，最好生成整个数组，将任何唯一的样本保留在一组中，然后生成您需要的更多样本。重复此过程，直到获得所需的数量。

seen = set()
a = []
while len(a) < samples:
    draws = np.random.choice(62, size=(samples-len(a), 8))
    for draw in draws:
        if t := tuple(draw) not in seen:
            seen.add(t)
            a.append(draw)
a = np.array(a)

这假设您要绘制的样本数量远小于唯一样本的托拉尔数量。例如，如果样本总数为 1001 个，而您想抽取 1000 个，则这种方法很快就会变得低效。