處理數(shù)據(jù)時(shí)經(jīng)常需要從數(shù)組中隨機(jī)抽取元素，這時(shí)候就需要用到np.random.choice()。然而choice用法的官方解釋并不詳細(xì)，尤其是對(duì)replace參數(shù)的解釋，例子也不是很全面。因此經(jīng)過(guò)反復(fù)實(shí)驗(yàn)，我較為詳細(xì)的總結(jié)出了他的用法，并給出了較為詳細(xì)的使用代碼例子。

官方解釋 ：https://docs.scipy.org/doc/numpy/reference/generated/numpy.random.choice.html

            
              官方解釋：
numpy.random.choice(a, size=None, replace=True, p=None)
Generates a random sample from a given 1-D array

New in version 1.7.0.

Parameters:	
a : 1-D array-like or int
If an ndarray, a random sample is generated from its elements. If an int, the random sample is generated as if a were np.arange(a)

size : int or tuple of ints, optional
Output shape. If the given shape is, e.g., (m, n, k), then m * n * k samples are drawn. Default is None, in which case a single value is returned.

replace : boolean, optional
Whether the sample is with or without replacement

p : 1-D array-like, optional
The probabilities associated with each entry in a. If not given the sample assumes a uniform distribution over all entries in a.

            
          

下面是我自己的總結(jié)

            
              #numpy.random.choice(a, size=None, replace=True, p=None)
#從a(只要是ndarray都可以，但必須是一維的)中隨機(jī)抽取數(shù)字，并組成指定大小(size)的數(shù)組
#replace:True表示可以取相同數(shù)字，F(xiàn)alse表示不可以取相同數(shù)字
#數(shù)組p：與數(shù)組a相對(duì)應(yīng)，表示取數(shù)組a中每個(gè)元素的概率，默認(rèn)為選取每個(gè)元素的概率相同。

            
          

除了numpy中的數(shù)組，python內(nèi)建的list（列表）、tuple（元組）也可以使用。

詳解及代碼舉例

- 產(chǎn)生隨機(jī)數(shù)

            
              >>>np.random.choice(5)#從[0, 5)中隨機(jī)輸出一個(gè)隨機(jī)數(shù)
#相當(dāng)于np.random.randint(0, 5)
	2

>>>np.random.choice(5, 3)#在[0, 5)內(nèi)輸出五個(gè)數(shù)字并組成一維數(shù)組（ndarray）
#相當(dāng)于np.random.randint(0, 5, 3)
	array([1, 4, 1])

            
          

• 從數(shù)組、列表或元組中隨機(jī)抽取

注意：不管是什么，它必須是 一維 的！

            
              L = [1, 2, 3, 4, 5]#list列表
T = (2, 4, 6, 2)#tuple元組
A = np.array([4, 2, 1])#numpy,array數(shù)組,必須是一維的
A0 = np.arange(10).reshape(2, 5)#二維數(shù)組會(huì)報(bào)錯(cuò)

>>>np.random.choice(L, 5)
	array([3, 5, 2, 1, 5])
	
>>>np.random.choice(T, 5)
	array([2, 2, 2, 4, 2])
 
>>>np.random.choice(A, 5)
	array([1, 4, 2, 2, 1])

>>>np.random.choice(A0, 5)#如果是二維數(shù)組，會(huì)報(bào)錯(cuò)
	ValueError: 'a' must be 1-dimensional

            
          

• 參數(shù)replace
  用來(lái)設(shè)置是否可以取相同元素：
  True表示可以取相同數(shù)字；
  False表示不可以取相同數(shù)字。
  默認(rèn)是True

            
              np.random.choice(5, 6, replace=True)#可以看到有相同元素
	array([3, 4, 1, 1, 0, 3])
np.random.choice(5, 6, replace=False)#會(huì)報(bào)錯(cuò)，因?yàn)槲鍌€(gè)數(shù)字中取六個(gè)，不可能不取到重復(fù)的數(shù)字
	ValueError: Cannot take a larger sample than population when 'replace=False'

            
          

• 參數(shù)p

p實(shí)際是個(gè)數(shù)組，大小（size）應(yīng)該與指定的a相同，用來(lái)規(guī)定選取a中每個(gè)元素的概率，默認(rèn)為概率相同

            
              >>> 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')
#可以看到，‘pooh’被選取的概率明顯比其他幾個(gè)高很多