Генерация уникальных случайных двоичных массивов в Python

Question

Я хочу сгенерировать 200 случайных двоичных массивов размером 30, но мне нужно, чтобы все они были уникальными! Я использую следующие для генерации массивов:

import numpy as np

parents = []
for i in range(200):
    parents.append(np.random.choice([0, 1], size=(30)))
parents = np.vstack(parents)

Являются ли массивы, созданные таким образом, уже уникальными (если так, как я могу это проверить)? Если нет, как я могу изменить свой код, чтобы получить уникальные массивы?

Answer 1

Они не уникальны, так как если бы они были, то они не были бы равномерно случайными каждый раз.

Вы можете выполнять быструю проверку каждый раз, когда генерируете новый массив, и убедитесь, что он уникален (используя поиск по множеству, а не поиск по массиву для больших родительских массивов):

parents = []
for i in range(200):
    unique_found = False
    while not unique_found:
        candidate_array = np.random.choice([0, 1], size=(30))
        if not any((candidate_array == x).all() for x in parents):
            unique_found = True
    parents.append(candidate_array)

Однако, поскольку существует 1 073 741 824 уникальных двоичных массивов длиной 30, вероятность получения 2 или более дубликатов равна:

1 - (1 - (1/1 073 741 824)) ^ (200 выберите 2) = 0,0000185 или примерно 1 раз на каждые 54 000.

Так что вы можете не обращать внимания на проблему.

Answer 2

Учитывая, что длина достаточно велика, вероятность генерации двух равных массивов очень мала. Отбор проб будет очень быстрым:

import numpy as np

parents = set()
while len(parents) < 200:
    a = tuple(np.random.choice([0, 1], size=(30)))
    if a not in parents: parents.add(a)
parents = np.array([list(x) for x in parents])

Кроме того, использование set () для проверки членства выполняется быстрее, чем для массивов.