nhanh chóng tính toán mảng numpy 3D ngẫu nhiên từ mảng numpy 2D

Question

Tôi có một mảng 2 chiều các số nguyên, chúng tôi sẽ gọi nó là "A".

Tôi muốn tạo ra một mảng 3 chiều "B" của tất cả các 1s và 0s đến nỗi:

• cho bất kỳ cố định (i, j) sum(B[i,j,:])==A[i.j], có nghĩa là, B[i,j,:] chứa A[i,j]1s trong đó
• số 1 được đặt ngẫu nhiên trong thứ nguyên thứ 3.

Tôi biết cách tôi sẽ làm điều này bằng cách sử dụng chỉ mục chuẩn python nhưng điều này hóa ra rất chậm.

Tôi đang tìm cách để thực hiện việc này, tận dụng các tính năng có thể khiến Numpy nhanh.

Dưới đây là làm thế nào tôi sẽ làm điều đó bằng lập chỉ mục tiêu chuẩn:

B=np.zeros((X,Y,Z)) 
indexoptions=range(Z) 

for i in xrange(Y): 
    for j in xrange(X): 
     replacedindices=np.random.choice(indexoptions,size=A[i,j],replace=False) 
     B[i,j,[replacedindices]]=1 

Ai đó có thể vui lòng giải thích làm thế nào tôi có thể làm điều này một cách nhanh hơn?

Edit: Đây là một ví dụ "A":

A=np.array([[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4],[0,1,2,3,4]]) 

trong trường hợp này X = Y = 5 và Z> = 5

Answer 1

Về cơ bản những ý tưởng tương tự như @JohnZwinck và @DSM, nhưng với một chức năng shuffle cho xáo trộn một trục đưa ra:

import numpy as np 

def shuffle(a, axis=-1): 
    """ 
    Shuffle `a` in-place along the given axis. 

    Apply numpy.random.shuffle to the given axis of `a`. 
    Each one-dimensional slice is shuffled independently. 
    """ 
    b = a.swapaxes(axis,-1) 
    # Shuffle `b` in-place along the last axis. `b` is a view of `a`, 
    # so `a` is shuffled in place, too. 
    shp = b.shape[:-1] 
    for ndx in np.ndindex(shp): 
     np.random.shuffle(b[ndx]) 
    return 


def random_bits(a, n): 
    b = (a[..., np.newaxis] > np.arange(n)).astype(int) 
    shuffle(b) 
    return b 


if __name__ == "__main__": 
    np.random.seed(12345) 

    A = np.random.randint(0, 5, size=(3,4)) 
    Z = 6 

    B = random_bits(A, Z) 

    print "A:" 
    print A 
    print "B:" 
    print B 

Output:

A: 
[[2 1 4 1] 
[2 1 1 3] 
[1 3 0 2]] 
B: 
[[[1 0 0 0 0 1] 
    [0 1 0 0 0 0] 
    [0 1 1 1 1 0] 
    [0 0 0 1 0 0]] 

[[0 1 0 1 0 0] 
    [0 0 0 1 0 0] 
    [0 0 1 0 0 0] 
    [1 0 1 0 1 0]] 

[[0 0 0 0 0 1] 
    [0 0 1 1 1 0] 
    [0 0 0 0 0 0] 
    [0 0 1 0 1 0]]]