numpy.random.choice#

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

从一个给定的1-D数组生成一个随机样本

在 1.7.0 版本加入.

备注

新代码应使用 Generator 实例的 choice 方法;请参阅 快速开始.

警告

此函数使用 C-long dtype,在 Windows 上是 32 位,在 64 位平台上其他情况下是 64 位（在 32 位平台上是 32 位）.自 NumPy 2.0 起,NumPy 的默认整数在 32 位平台上是 32 位,在 64 位平台上是 64 位.

参数:
a1-D 类数组或整数

如果是一个 ndarray,则从其元素中生成一个随机样本.如果是一个整数,则生成的随机样本就好像它是 np.arange(a)

size整数或整数的元组,可选

输出形状.如果给定的形状是,例如,``(m, n, k)``,那么会抽取 m * n * k 个样本.默认是 None,在这种情况下会返回一个单一值.

replace布尔值, 可选

样本是有放回还是无放回.默认为True,表示可以多次选择值``a``.

p1-D 类数组, 可选

与 a 中每个条目相关的概率.如果未给出,样本假设 a 中所有条目的均匀分布.

返回:
samples单个项目或 ndarray

生成的随机样本

引发:
ValueError

如果 a 是一个小于零的整数,如果 a 或 p 不是一维的,如果 a 是一个大小为 0 的类数组对象,如果 p 不是一个概率向量,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
random.Generator.choice

在新的代码中应该使用

备注

通过 p 设置用户指定的概率使用了一个比默认更通用但效率较低的采样器.即使 p 的每个元素都是 1 / len(a),通用采样器产生的样本也与优化采样器不同.

使用此函数无法从二维数组中随机抽取行,但可以通过 Generator.choice 及其 axis 关键字实现.

示例

从 np.arange(5) 生成一个大小为 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) 生成一个大小为 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) 中生成一个大小为 3 的无放回均匀随机样本:

>>> 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) 中生成一个大小为 3 的无放回非均匀随机样本:

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

以上任何一项都可以用任意类似数组的形式重复,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')
On this page