numpy.random.Generator.choice

方法

random.Generator.choice(a, size=None, replace=True, p=None, axis=0, shuffle=True)

从给定的一维数组生成随机样本

参数

a{类似数组，int}

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。

size{int, tuple[int]}, optional

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。

replace可选的布尔

样品是否更换

p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。

axis可选的

沿其执行选择的轴。默认值0按行选择。

shuffle可选的布尔

取样时样品是否乱序而不更换。默认值为True，False提供加速。

返回

samples单个项目或日历

生成的随机样本

加薪

ValueError

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')

numpy.random.Generator.random numpy.random.Generator.bytes