numpy.random.RandomState.choice#

方法

random.RandomState.choice(a, size=None, replace=True, p=None)#

从给定的1维数组中生成随机样本

注意

新代码应使用 Generator 实例的 choice 方法；请参阅快速开始。

警告

此函数使用 C-long dtype，在 Windows 上为 32 位，在 64 位平台上为 64 位（在 32 位平台上为 32 位）。自 NumPy 2.0 起，NumPy 的默认整数在 32 位平台上为 32 位，在 64 位平台上为 64 位。

参数:

a1维类数组或整数: 如果 `a` 是一个 `ndarray`，则从其元素中生成随机样本。如果 `a` 是一个整数，则生成的随机样本如同 `np.arange(a)`。
size整数或整数元组，可选: 输出形状。如果给定的形状是，例如，(m, n, k)，则会抽取 m * n * k 个样本。默认值为 `None`，在这种情况下会返回单个值。
replace布尔值，可选: 样本是否可以重复。默认值为 `True`，表示 `a` 中的一个值可以被多次选择。
p1维类数组，可选: 与 `a` 中每个条目相关的概率。如果未给定，则样本假定 `a` 中所有条目服从均匀分布。

返回:

samples单个项或 ndarray: 生成的随机样本

抛出:

ValueError: 如果 `a` 是一个小于零的整数，如果 `a` 或 `p` 不是1维的，如果 `a` 是一个大小为0的类数组，如果 `p` 不是概率向量，如果 `a` 和 `p` 长度不同，或者如果 `replace=False` 且样本大小大于总体大小。

另请参见

randint, shuffle, permutation
random.Generator.choice: 新代码中应使用此函数

备注

通过 `p` 设置用户指定的概率会使用比默认采样器更通用但效率较低的采样器。即使 `p` 的每个元素都是 1 / len(a)，通用采样器也会产生与优化采样器不同的样本。

此函数无法从2维数组中抽取随机行，但 Generator.choice 通过其 axis 关键字可以实现。

示例

从 `np.arange(5)` 中生成大小为3的均匀随机样本

>>> np.random.choice(5, 3)
array([0, 3, 4]) # random
>>> #This is equivalent to np.random.randint(0,5,3)

从 `np.arange(5)` 中生成大小为3的非均匀随机样本

>>> np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
array([3, 3, 0]) # random

从 `np.arange(5)` 中生成大小为3的不可重复均匀随机样本

>>> np.random.choice(5, 3, replace=False)
array([3,1,0]) # random
>>> #This is equivalent to np.random.permutation(np.arange(5))[:3]

从 `np.arange(5)` 中生成大小为3的不可重复非均匀随机样本

>>> np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
array([2, 3, 0]) # random

以上任何操作都可以用任意类数组（而不仅仅是整数）重复。例如

>>> aa_milne_arr = ['pooh', 'rabbit', 'piglet', 'Christopher']
>>> np.random.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3])
array(['pooh', 'pooh', 'pooh', 'Christopher', 'piglet'], # random
      dtype='<U11')