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

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 .

参数

a一维数组或int

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）

sizeint或int的元组，可选

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。

replace布尔值，可选

样品是否更换

p类似一维数组，可选

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。

返回

samples单个项目或日历

生成的随机样本

加薪

ValueError

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。

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')

numpy.random.chisquare numpy.random.dirichlet