Puis-je indiquer une numpy dtype lors de la génération de valeurs aléatoires?

Je suis de la création d'un numpy tableau de valeurs aléatoires et de les ajouter à un groupe existant contenant 32 bits flottant. J'aimerais générer des valeurs aléatoires à l'aide de la même dtype que la matrice cible, de sorte que je n'ai pas à convertir les dtypes manuellement. Actuellement je fais ceci:

import numpy as np

x = np.zeros((10, 10), dtype='f')
x += np.random.randn(*x.shape).astype('f')

Ce que j'aimerais faire à la place de la dernière ligne est quelque chose comme:

x += np.random.randn(*x.shape, dtype=x.dtype)

mais randn (et en fait, aucun des numpy.random méthodes) ne pas accepter un dtype argument.

Mon question est, est-il possible de spécifier une dtype de nombres aléatoires lorsque je les créer, sans avoir à appeler astype? (Ma conjecture est que le générateur de nombre aléatoire est de 64 bits de long, de sorte qu'il n'a pas vraiment de raison de faire ça, mais j'ai pensé que je voudrais vous demander si c'est possible.)

  • numpy convertira automatiquement le type de votre ensemble aléatoire du type de x lorsque vous effectuez l'opération sur place, il n'y a absolument pas besoin de astype, il suffit de faire x += np.random.randn(*x.shape), et de voir par vous-même que x.dtype ne change pas.
InformationsquelleAutor lmjohns3 | 2014-04-29
  1. 23

    Q: est-il possible de spécifier un dtype de nombres aléatoires lorsque je les créer.

    R: Non, il n'est pas. randn accepte la forme seulement comme randn(d0, d1, ..., dn)

    Simplement essayer ceci:

    x = np.random.randn(10, 10).astype('f')

    Ou de définir une nouvelle fonction comme

    np.random.randn2 = lambda *args, **kwarg: np.random.randn(*args).astype(kwarg.get('dtype', np.float64))
x = np.random.randn2(10, 10, dtype='f')

    Si vous devez utiliser votre code sur le post, essayez ce code au lieu

    x = np.zeros((10, 10), dtype='f')
x[:] = np.random.randn(*x.shape)

    Cela affecte les résultats de randn de la mémoire allouée par np.zeros

    • cela ne fonctionne pas pour le cas de scalaires (par exemple randn ()), car randn sera de retour d'un flotteur de type numérique, pas un tableau, sinon, en gros ce que j'ai fait ainsi
    • Cela ne semble pas fonctionner pour les .astype ("je"), car il donne une matrice dont tous les éléments 0.
    • vous pouvez utiliser l'habituel np.float32 ou np.int dans astype ainsi
    InformationsquelleAutor emeth
  2. 3

    Permettez-moi de commencer en disant que numpy prend désormais en charge dtypes pour les entiers aléatoires. Cette amélioration peut être suivi à travers Question n ° 6790 sur numpy de github. Mais aujourd'hui encore, cette installation n'est pas disponible pour le gaussian RNG. J'avais besoin de ce même site, j'ai donc écrit ce patch pour numpy, https://gist.github.com/se4u/e44f631b249e0be03c21c6c898059176

    Le patch uniquement ajout du support pour générer des float valeurs et il ne gère pas les autres types de données, mais il peut toujours être utile à quelqu'un.

    InformationsquelleAutor Pushpendre
  3. 0

    np.aléatoire.la fonction randn au hasard initialise le tableau objet d'une forme donnée à un "np.float64"
    Vous pouvez le découvrir par vous-même en procédant comme suit:

    a = np.random.rand(2,3)
b = a[1,2]
print (type(b))
print (type(a))

    de sortie comme suit:

    <class 'numpy.float64'>
<class 'numpy.ndarray'>
    InformationsquelleAutor Shekar