※ 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

看有沒有人知道mask 3元運算值的寫法，可以再少一行 XD

應該不用multiply, 直接 A[mask<0.1] = 0 就可以了A[np.random.random((row, col)) < 0.1] = 0

A[np.random.random((A.shape[0],A.shape[1]))<0.1]=0bibo的方法應該是最簡潔的方式，推一個

要這樣的話直接 A[np.random.random(A.shape)<0.1]=0

太感謝了! 謝謝樓上兩位大大的幫忙!

b大的index是不是該改成`prb<0.1`而不是`mask<0.1`?

np.random.binomial(1, 0.9, (row,col))