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
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')