延續之前的問題，想延伸問一個相關的問題 目前看起來若要把A矩陣當中的element以10%的機率設為零的方法是 => A[np.random.normal(A.shape)<0.1] = 0 但是這個方法無法確保每次A當中被設為0的元素的總數目是一樣的 假如我想要讓 "A當中位置隨機，但數量佔A當中總數量為10%的元素被設為0"的話該怎麼做最好？ 我目前知道的方法為以下: element_idx = list(range(np.prod(A.shape))) np.shuffle(element_idx) ary_idx = np.array(element_idx).reshape(A.shape) A[ary_idx < np.prod(A.shape)*0.1] = 0 請問各位版友有更快或更簡潔的方法嗎？ 感謝大家～ ※ 引述《sma1033 (死馬)》之銘言： : ※ 引述《NMOSFET (NMOSFET)》之銘言： : : 各位大大好，小的最近遇到一個問題， : : 假設有個 numpy 二維矩陣 A， : : 我想要讓 A 矩陣裡的值， : : 以 10% 的機率設為 0， : : 於是寫了以下程式碼 : : : rows = 10 : : cols = 10 : : prb = np.random.random((rows, cols)) : : mask = prb<0.1 : : for row in range(rows): : : for col in range(cols): : : if(mask[row][col]): : : A[row][col]=0 : : 有沒有能夠利用numpy的broadcasting來達到同樣的效果， : : 而不是用 for 迴圈，因為上面這種寫法， : : 我只要在if()裡面產生隨機數判斷就好， : : 不用在上面宣告 prb 和 mask 來多此一舉， : : 能否請各位大大幫我解惑，感恩!! : 用for迴圈在這邊根本脫褲子放屁 : 如果是我的話，會用以下作法 : mask = np.random.random((row, col)) : mask[prb<0.1] = 0 : mask[prb>=0.1] = 1 : A = np.multiply(A, mask) : done. : 速度要快就是要用矩陣同時處理多element（可以平行算） : 如果你用for迴圈一個一個element依序處理A當中的資料 : 不管你用什麼方法生成random都一樣會慢 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.160.86.55 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/Python/M.1529060285.A.DFA.html