方法
random.Generator.
choice
从给定的一维数组生成随机样本
如果是一个数组,则从其元素生成一个随机样本。如果是int,则随机样本由np.arange公司(a) 是的。
输出形状。如果给定的形状是,例如, (m, n, k) 然后 m * n * k 样本取自一维 a .如果 a 有不止一个维度 size 形状将插入到 axis 维度,所以输出 ndim 将 a.ndim - 1 + len(size) . 默认值为None,在这种情况下,只返回一个值。
(m, n, k)
m * n * k
ndim
a.ndim - 1 + len(size)
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。
沿其执行选择的轴。默认值0按行选择。
取样时样品是否乱序而不更换。默认值为True,False提供加速。
生成的随机样本
如果a是int且小于零,如果p不是一维,如果a是大小为0的类似数组,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
integers
shuffle
permutation
实例
从大小为3的np.arange(5)生成均匀随机样本:
>>> rng = np.random.default_rng() >>> rng.choice(5, 3) array([0, 3, 4]) # random >>> #This is equivalent to rng.integers(0,5,3)
从大小为3的np.arange(5)生成非均匀随机样本:
>>> rng.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:
>>> rng.choice(5, 3, replace=False) array([3,1,0]) # random >>> #This is equivalent to rng.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:
>>> rng.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'] >>> rng.choice(aa_milne_arr, 5, p=[0.5, 0.1, 0.1, 0.3]) array(['pooh', 'pooh', 'pooh', 'Christopher', 'piglet'], # random dtype='<U11')