numpy.random.choice

numpy.random.choice是一个用于从给定的一维数组中随机抽取元素的函数。它可以根据指定的参数生成一个随机样本。参数a可以是一个一维数组，也可以是一个整数，如果是一个数组，那么从数组的元素中随机抽取样本，如果是一个整数，那么相当于从np.arange(a)中随机抽取样本。参数size用于指定输出的形状，如果不指定，默认返回一个单个值。参数replace用于指定是否可以重复抽取相同的元素，如果replace=True，表示可以重复抽取，如果replace=False，表示不可以重复抽取。参数p用于指定每个元素被抽取的概率，默认情况下，每个元素的概率相同。\[1\]

举个例子，如果我们使用np.random.choice(5, 3, replace=False)，表示从大小为5的np.arange(5)中生成一个均匀的随机样本，没有替换（重复），结果可能是array(\[3,1,0\])。这个结果等价于np.random.permutation(np.arange(5))\[:3\]。\[2\]

另外，如果我们使用np.random.choice(5, 3, replace=False, p=\[0.1, 0, 0.3, 0.6, 0\])，表示从大小为5的np.arange(5)中生成一个非均匀的随机样本，没有替换（重复），其中每个元素被抽取的概率分别为\[0.1, 0, 0.3, 0.6, 0\]，结果可能是array(\[2, 3, 0\])。\[3\]
#### 引用[.reference_title]
- *1* [numpy中np.random.choice()的用法详解及其参考代码](https://blog.csdn.net/woxiangxinwang/article/details/123175674)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [numpy中的random.choice()函数](https://blog.csdn.net/qq_25436597/article/details/79815800)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]