numpy.random.RandomState.choice

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

从给定的1-D数组生成随机样本

版本1.7.0中的新功能。

参数:

a:1-D array-like或int

如果是一个ndarray,从它的元素生成一个随机样本。如果是int,则生成随机样本,如同a是np.arange(n)

size:int或tuple的整数,可选

输出形状。如果给定形状是例如(m, n, k),则 m * n * k默认值为None,在这种情况下返回单个值。

替换:boolean,可选

样品是否有更换

p:1-D数组类,可选

与a中的每个条目相关联的概率。如果没有给出样本假设在a中的所有条目的均匀分布。

返回:

samples:1-D字符串,形状(大小)

生成的随机样本

上升:

ValueError

如果a是int并且小于零,如果a或p不是一维的,如果a是大小为0的数组类型,如果p不是概率向量,如果a和p具有不同的长度,或者如果replace = False,并且样本大小大于种群大小

也可以看看

randintshufflepermutation

例子

从尺寸3的np.arange(5)生成均匀随机样本:

>>> np.random.choice(5, 3)
array([0, 3, 4])
>>> #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])

从尺寸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])
>>> #This is equivalent to np.random.permutation(np.arange(5))[:3]

从大小为3的np.arange(5)生成非均匀随机样本,无需替换:

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

上述任何一个都可以重复使用任意数组,而不是只是整数。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'],
      dtype='|S11')