numpy.random.choice#

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

从给定的 1-D 数组生成一个随机样本

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 数据类型，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一维类数组或整数

如果为 ndarray，则从其元素中生成一个随机样本。如果为整数，则随机样本的生成方式如同 np.arange(a)

sizeint 或 int 的元组，可选

输出形状。如果给定的形状例如是 (m, n, k)，则将抽取 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

样本是带放回还是不带放回。默认为 True，意味着 a 的一个值可以被选中多次。

p一维类数组，可选

与 a 中的每个条目相关的概率。如果未给出，则样本假定在 a 的所有条目上具有均匀分布。

返回:
samplessingle item or ndarray

生成的随机样本

引发:
ValueError

如果 a 为小于零的整数，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 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

在新代码中应使用

备注

通过 p 设置用户指定的概率比默认值使用更通用但效率较低的采样器。即使 p 的每个元素都等于 1 / len(a)，通用采样器产生的样本也与优化采样器不同。

此函数无法对二维数组进行随机行抽样，但 Generator.choice 可以通过其 axis 关键字进行抽样。

示例

从 np.arange(5) 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) 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) 生成大小为 3 的不带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 np.arange(5) 生成大小为 3 的非均匀随机样本，不带放回

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

以上任何一种都可以用任意类数组代替整数来重复。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')
在此页面