Numero casuale non ripetitivo in numpy

Come posso generare numeri casuali non ripetitivi in ​​numpy?

list = np.random.random_integers(20,size=(10))

numpy.random.Generator.choiceoffre un replaceargomento per campionare senza sostituzione:

from numpy.random import default_rng

rng = default_rng()
numbers = rng.choice(20, size=10, replace=False)

Se sei su NumPy precedente alla 1.17, senza GeneratorAPI, puoi utilizzare random.sample()dalla libreria standard:

print(random.sample(range(20), 10))

Puoi anche usare numpy.random.shuffle()e affettare, ma questo sarà meno efficiente:

a = numpy.arange(20)
numpy.random.shuffle(a)
print a[:10]

C'è anche un replaceargomento nella numpy.random.choicefunzione legacy , ma questo argomento è stato implementato in modo inefficiente e quindi lasciato inefficiente a causa delle garanzie di stabilità del flusso di numeri casuali, quindi il suo utilizzo non è raccomandato. (Fondamentalmente fa la cosa shuffle-and-slice internamente.)

Penso numpy.random.sampleche non funzioni adesso. Questo è il mio modo:

import numpy as np
np.random.choice(range(20), 10, replace=False)

Anni dopo, alcuni tempi per scegliere 40000 su 10000 ^ 2 (Numpy 1.8.1, imac 2.7 GHz):

import random
import numpy as np

n = 10000
k = 4
np.random.seed( 0 )

%timeit np.random.choice( n**2, k * n, replace=True )  # 536 µs ± 1.58 µs
%timeit np.random.choice( n**2, k * n, replace=False ) # 6.1 s ± 9.91 ms

# https://docs.scipy.org/doc/numpy/reference/random/index.html
randomstate = np.random.default_rng( 0 )
%timeit randomstate.choice( n**2, k * n, replace=False, shuffle=False )  # 766 µs ± 2.18 µs
%timeit randomstate.choice( n**2, k * n, replace=False, shuffle=True )   # 1.05 ms ± 1.41 µs

%timeit random.sample( range( n**2 ), k * n )          # 47.3 ms ± 134 µs

(Perché scegliere 40000 di 10000 ^ 2 per generare grandi? Scipy.sparse.random matrici - SciPy 1.4.1 usi np.random.choice( replace=False )., Slooooow)

Punta del cappello a numpy.random people.

Puoi ottenerlo anche ordinando:

random_numbers = np.random.random([num_samples, max_int])
samples = np.argsort(random_numbers, axis=1)

È possibile utilizzare la conversione di set list in Python. 10 numeri univoci compresi tra 0 e 20 possono essere ottenuti come:

import numpy as np
import random
unique_numbers=set()
while(len(unique_numbers)<10):
    unique_numbers.add(np.random.randint(0,20))

unique_numbers=list(unique_numbers)
random.shuffle(unique_numbers)
print(unique_numbers)

Genera semplicemente un array che contiene l'intervallo di numeri richiesto, quindi mescolali scambiandone ripetutamente uno casuale con l'elemento 0 nell'array. Questo produce una sequenza casuale che non contiene valori duplicati.