基于权重重采样Numpy数组：按行大小调整重复次数

核心思路 #

由于原数组各列数值尺度差异大，没法直接用某列数值判断行的大小。所以先把所有列的数值统一到同一尺度，再给每行分配重复次数——行的“相对大小”越小，重复次数越多，最终凑够500行。

具体步骤 #

1. 归一化处理，统一列尺度
   先对原数组的每一列做min-max归一化，把每列数值缩放到0-1区间，让不同列的数值具备可比性。之后用每行的均值（或总和）来代表该行的“相对大小”，均值越小，代表行的整体数值越小。

2. 计算每行的重复次数
   基于归一化后的行大小，生成与行大小成反比的权重（行越小，权重越大），再按权重比例分配500次重复名额。最后对次数做取整微调，确保总重复次数刚好是500。

3. 按重复次数扩展数组
   用numpy的repeat函数，根据计算好的重复次数对每行进行重复，得到最终的500×4数组。

代码实现 #

import numpy as np

# 模拟输入的50×4数组（行从低值到高值排列）
np.random.seed(42)
arr = np.zeros((50, 4))
for i in range(50):
    arr[i] = [i*10, i*200, i*10000, i*3]

# 步骤1：归一化列数据，计算行的相对大小
# 对每列做min-max归一化
norm_arr = (arr - arr.min(axis=0)) / (arr.max(axis=0) - arr.min(axis=0))
# 用每行均值作为行大小的判断依据
row_sizes = norm_arr.mean(axis=1)

# 步骤2：计算重复次数，确保总次数为500
# 生成反比权重，加1e-8避免除以0
weights = 1 / (row_sizes + 1e-8)
# 按权重比例分配次数并取整
repeat_counts = np.round((weights / weights.sum()) * 500).astype(int)
# 微调次数，保证总和刚好是500
diff = 500 - repeat_counts.sum()
if diff > 0:
    # 给权重最大的前diff行各加1次
    top_indices = np.argsort(weights)[-diff:]
    repeat_counts[top_indices] += 1
elif diff < 0:
    # 给权重最小的前abs(diff)行各减1次
    bottom_indices = np.argsort(weights)[:abs(diff)]
    repeat_counts[bottom_indices] -= 1

# 步骤3：扩展数组
expanded_arr = np.repeat(arr, repeat_counts, axis=0)

# 验证结果
print(expanded_arr.shape)  # 输出 (500, 4)

补充说明 #

• 归一化方法也可以换成z-score归一化，根据你的数据分布选择即可；
• 用行总和代替行均值判断行大小，效果类似，可根据需求调整；
• 重复次数的微调步骤是必须的，避免取整导致总次数偏离500。

内容的提问来源于stack exchange，提问作者helloworld