numpy.random.choice

numpy.random.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

输出的形状。如果给定形状是例如(m, n, k)，则抽取m * n * k个样本。默认值为None，在这种情况下返回单个值。

replace：boolean，可选

采样是否有重复

p：1-D array-like，可选

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

返回：

samples：1-D字符串，形状(size,)

生成的随机样本

引发：

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

另见

randint，shuffle，permutation

例子

从np.arange(5)生成大小为3的均匀随机样本：

>>> np.random.choice(5, 3)
array([0, 3, 4])
>>> #This is equivalent to np.random.randint(0,5,3)

从np.arange(5)生成大小为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])

从np.arange(5)生成大小为3的均匀随机样本，没有重复：

>>> np.random.choice(5, 3, replace=False)
array([3,1,0])
>>> #This is equivalent to np.random.permutation(np.arange(5))[:3]

从np.arange(5)生成大小为3的非均匀随机样本，没有重复：

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

上述任何一个例子都可以使用一个类似数组的对象重新运行，而不是只是用整数。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')