方法
random.RandomState.
choice
从给定的一维数组生成随机样本
1.7.0 新版功能.
注解
新代码应该使用 choice A方法 default_rng() 请参阅 快速启动 .
default_rng()
如果是ndarray,则从其元素生成随机样本。如果是int,则生成随机样本,就好像a是np.arange(a)
输出形状。如果给定的形状是,例如, (m, n, k) 然后 m * n * k 取样。默认值为无,在这种情况下返回单个值。
(m, n, k)
m * n * k
样品是否更换
与a中每个条目相关的概率。如果没有给定,则样本假定a中所有条目的分布均匀。
生成的随机样本
如果a是一个int且小于零,如果a或p不是一维的,如果a是一个类似于0的数组,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
参见
randint
shuffle
permutation
Generator.choice
应该在新代码中使用
笔记
使用此函数无法从二维数组中随机抽取行,但可以使用 Generator.choice 通过它 axis 关键字。
axis
实例
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)生成均匀随机样本,无需替换:
>>> 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)中生成非均匀随机样本,不替换:
>>> np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0]) array([2, 3, 0]) # random
上面的任何一个都可以用类似于任意数组的形式来重复,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')