numpy.random.choice#

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

从给定的 1-D 数组生成随机样本

注意

新代码应使用 choice 方法，该方法是 Generator 实例的方法；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 以来，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类数组的一维对象或 int

如果为 ndarray，则从其元素生成随机样本。如果为 int，则生成随机样本，就像它是 np.arange(a)

sizeint 或 int 元组，可选

输出形状。 如果给定的形状是，例如， (m, n, k)，那么将抽取 m * n * k 个样本。 默认为 None，在这种情况下，返回单个值。

replace布尔值，可选

是否进行有放回或无放回抽样。 默认为 True，这意味着 a 的值可以被多次选中。

p类数组的一维对象，可选

与 a 中每个条目关联的概率。 如果未给出，则样本假定 a 中所有条目的均匀分布。

返回:
samples单个项或 ndarray

生成的随机样本

引发:
ValueError

如果 a 是小于零的 int，如果 a 或 p 不是一维的，如果 a 是大小为 0 的类数组对象，如果 p 不是概率向量，如果 a 和 p 的长度不同，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

应在新代码中使用

注释

通过 p 设置用户指定的概率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)，通用采样器也会生成与优化采样器不同的样本。

使用此函数无法从二维数组中采样随机行，但可以通过 Generator.choice 的 axis 关键字实现。

示例

从大小为 3 的 np.arange(5) 生成均匀随机样本

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

从大小为 3 的 np.arange(5) 生成非均匀随机样本

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

从大小为 3 的 np.arange(5) 生成不放回的均匀随机样本

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

从大小为 3 的 np.arange(5) 生成不放回的非均匀随机样本

>>> 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使用任意类数组对象重复执行，而不仅仅是整数。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')
在此页中