numpy.random.choice#

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

从给定的一维数组生成随机样本

注意

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

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:
a一维数组或整数

如果是一个 ndarray，则从其元素中生成随机样本。如果是一个整数，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。如果给定形状是例如 (m, n, k)，则会抽取 m * n * k 个样本。默认为 None，此时返回单个值。

replace布尔值，可选

样本是否带替换。默认为 True，表示 a 中的一个值可以被多次选择。

p一维数组，可选

与 `a` 中每个条目相关的概率。如果未给出，则样本假定在 a 中的所有条目上服从均匀分布。

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` 不是一维的，如果 `a` 是大小为 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。

另请参阅

randint, shuffle, permutation
random.Generator.choice

在新代码中应使用

备注

通过 p 设置用户指定概率的采样器比默认采样器更通用但效率较低。即使 p 的每个元素都是 1 / len(a)，通用采样器也会生成与优化采样器不同的样本。

此函数无法从二维数组中随机采样行，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代替整数进行重复。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')
本页内容