知识卡片

操作参考卡 · 6360.a

随机排列需区分原地修改

理解等级:中级

permutation返回随机排列结果,shuffle对原序列就地打乱,seed设置随机生成状态。取新排列与改原对象对后续计算的影响不同;种子也需结合生成器、调用顺序和环境解释,不能只记录一个数就认定所有环境必得同一序列。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 2 处

    • · 查看原书依据

      随机数生成 numpy.random模块对Python内置的random进行了补充,增加了一些用于高效生成多种概率分布的样本值的函数。例如,你可以用normal来得到一个标准正态分布的4×4样本数组: In [208]: samples = np.random.normal(size=(4, 4)) In [209]: samples Out[209]: a

    • · 查看原书依据

      df.take(sampler) Out[182]: 0 1 2 3 1 4 5 6 7 0 0 1 2 3 2 8 9 10 11 3 12 13 14 15 4 16 17 18 19 如果不想用替换的方式选取随机子集,则可以使用permutation:从permutation返回的数组中切下前k个元素,其中k为期望的子集大小。虽然有很多高效的算法可以实

    参考来源

    - 位置:《利用Python进行数据分析》第4章《随机数生成》(spine277;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0263.html;u100-ch04-042)。 - 结论依据:原文在“随机数生成”附近的定义、例子或代码支撑本卡核心说明:permutation返回随机排列结果,shuffle对原序列就地打乱,seed设置随机生成状态。边界按已读前提解释;示例未执行。 - 原始内容:随机数生成 numpy.random模块对Python内置的random进行了补充,增加了一些用于高效生成多种概率分布的样本值的函数。例如,你可以用normal来得到一个标准正态分布的4×4样本数组: In [208]: samples = np.random.normal(size=(4, 4)) In [209]: samples Out[209]: a - 位置:《利用Python进行数据分析》第7章《排列和随机采样》(spine294;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0280.html;u161-ch04-042)。 - 结论依据:permutation给出位置次序,再由take重排对应记录;本节实际默认按行选择,不因原文提“列排列”就误读示例轴。 - 原始内容:df.take(sampler) Out[182]: 0 1 2 3 1 4 5 6 7 0 0 1 2 3 2 8 9 10 11 3 12 13 14 15 4 16 17 18 19 如果不想用替换的方式选取随机子集,则可以使用permutation:从permutation返回的数组中切下前k个元素,其中k为期望的子集大小。虽然有很多高效的算法可以实