Numpy: obtenga un conjunto aleatorio de filas de la matriz 2D

Tengo una matriz 2D muy grande que se parece a esto:

a=
[[a1, b1, c1],
 [a2, b2, c2],
 ...,
 [an, bn, cn]]

Usando numpy, ¿hay una manera fácil de obtener una nueva matriz 2D con, por ejemplo, 2 filas aleatorias de la matriz inicial a(sin reemplazo)?

p.ej

b=
[[a4,  b4,  c4],
 [a99, b99, c99]]

>>> A = np.random.randint(5, size=(10,3))
>>> A
array([[1, 3, 0],
       [3, 2, 0],
       [0, 2, 1],
       [1, 1, 4],
       [3, 2, 2],
       [0, 1, 0],
       [1, 3, 1],
       [0, 4, 1],
       [2, 4, 2],
       [3, 3, 1]])
>>> idx = np.random.randint(10, size=2)
>>> idx
array([7, 6])
>>> A[idx,:]
array([[0, 4, 1],
       [1, 3, 1]])

Poniéndolo junto para un caso general:

A[np.random.randint(A.shape[0], size=2), :]

Para no reemplazo (numpy 1.7.0+):

A[np.random.choice(A.shape[0], 2, replace=False), :]

No creo que haya una buena manera de generar una lista aleatoria sin reemplazo antes de 1.7. Quizás pueda configurar una pequeña definición que garantice que los dos valores no sean iguales.

Esta es una publicación antigua, pero esto es lo que funciona mejor para mí:

A[np.random.choice(A.shape[0], num_rows_2_sample, replace=False)]

cambie el replace = False a True para obtener lo mismo, pero con reemplazo.

Otra opción es crear una máscara aleatoria si solo desea reducir la muestra de datos por un determinado factor. Digamos que quiero reducir la muestra al 25% de mi conjunto de datos original, que actualmente se encuentra en la matriz data_arr:

# generate random boolean mask the length of data
# use p 0.75 for False and 0.25 for True
mask = numpy.random.choice([False, True], len(data_arr), p=[0.75, 0.25])

Ahora puede llamar data_arr[mask]y devolver ~ 25% de las filas, muestreadas al azar.

Esta es una respuesta similar a la que proporcionó Hezi Rasheff, pero simplificada para que los usuarios más nuevos de Python entiendan lo que está sucediendo (noté que muchos nuevos estudiantes de ciencia de datos obtienen muestras aleatorias de la manera más extraña porque no saben lo que están haciendo en Python).

Puede obtener varios índices aleatorios de su matriz utilizando:

indices = np.random.choice(A.shape[0], amount_of_samples, replace=False)

Luego puede usar el corte en rebanadas con su matriz numpy para obtener las muestras en esos índices:

A[indices]

Esto le dará el número especificado de muestras aleatorias de sus datos.

Veo que se ha sugerido la permutación. De hecho, se puede convertir en una línea:

>>> A = np.random.randint(5, size=(10,3))
>>> np.random.permutation(A)[:2]

array([[0, 3, 0],
       [3, 1, 2]])

Si necesita las mismas filas pero solo una muestra aleatoria, entonces,

import random
new_array = random.sample(old_array,x)

Aquí x, tiene que ser un 'int' que define el número de filas que desea elegir al azar.

Si desea generar múltiples subconjuntos aleatorios de filas, por ejemplo, si está haciendo RANSAC.

num_pop = 10
num_samples = 2
pop_in_sample = 3
rows_to_sample = np.random.random([num_pop, 5])
random_numbers = np.random.random([num_samples, num_pop])
samples = np.argsort(random_numbers, axis=1)[:, :pop_in_sample]
# will be shape [num_samples, pop_in_sample, 5]
row_subsets = rows_to_sample[samples, :]