Nombre aléatoire non répétitif dans numpy

Comment puis-je générer des nombres aléatoires non répétitifs dans numpy?

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

numpy.random.Generator.choiceoffre un replaceargument pour échantillonner sans remplacement:

from numpy.random import default_rng

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

Si vous utilisez un NumPy antérieur à la version 1.17, sans l' GeneratorAPI, vous pouvez utiliser à random.sample()partir de la bibliothèque standard:

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

Vous pouvez également utiliser numpy.random.shuffle()et trancher, mais ce sera moins efficace:

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

Il y a aussi un replaceargument dans la numpy.random.choicefonction héritée , mais cet argument a été implémenté de manière inefficace puis laissé inefficace en raison des garanties de stabilité du flux de nombres aléatoires, son utilisation n'est donc pas recommandée. (Il fait essentiellement la chose shuffle-and-slice en interne.)

Je pense que numpy.random.sampleça ne marche pas bien maintenant. C'est mon chemin:

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

Des années plus tard, il est temps de choisir 40000 sur 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

(Pourquoi choisir 40000 sur 10000 ^ 2? Pour générer de grandes matrices scipy.sparse.random - scipy 1.4.1 utilise np.random.choice( replace=False ), slooooow.)

Astuce du chapeau pour les gens numpy.random.

Vous pouvez également obtenir cela en triant:

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

Générez simplement un tableau contenant la plage de nombres requise, puis mélangez-les en échangeant à plusieurs reprises un tableau aléatoire avec le 0e élément du tableau. Cela produit une séquence aléatoire qui ne contient pas de valeurs en double.