np.random.sample用法

`np.random.sample` 是 NumPy 库中的一个生成随机数的函数，用于生成指定形状的随机浮点数数组。它的用法如下：

np.random.sample(size=None)

其中，`size` 是一个整数或元组，用于指定生成的随机数组的形状。如果不指定，则返回一个随机浮点数。

例如，生成一个形状为 (3, 4) 的随机数组：

import numpy as np

arr = np.random.sample((3, 4))
print(arr)

输出：

[[0.45282486 0.57440433 0.37158526 0.00205376]
 [0.50230489 0.45434191 0.36452289 0.9817221 ]
 [0.64320646 0.67572742 0.19294672 0.1892035 ]]

注意，`np.random.sample` 函数生成的随机浮点数都在 [0, 1) 范围内，并且是均匀分布的。如果需要生成其他分布的随机数，可以使用其他 NumPy 函数，如 `np.random.normal`、`np.random.uniform` 等。

相关问题

np.random.choice速度太慢

根据提供的引用内容，np.random.choice方法的速度可能会受到列表长度和选取概率的影响。如果列表很长，那么随机选取值的速度可能会变慢。如果选取概率不均匀，那么速度也可能会变慢。为了提高速度，可以考虑以下两种方法：

1.使用random.sample方法代替np.random.choice方法。random.sample方法可以在不重复的情况下从列表中随机选取指定数量的元素。这种方法的速度比np.random.choice方法快得多，但是它不能处理选取概率不均匀的情况。

2.如果需要处理选取概率不均匀的情况，可以考虑使用numpy.random.Generator.choice方法。这种方法是numpy 1.17版本中引入的，它比np.random.choice方法更快，并且可以处理选取概率不均匀的情况。

下面是两种方法的示例代码：

1.使用random.sample方法代替np.random.choice方法

import random

a = [1, 2, 3, 4, 5]
size = 3

result = random.sample(a, size)
print(result)

2.使用numpy.random.Generator.choice方法

import numpy as np

a = [1, 2, 3, 4, 5]
size = 3
p = [0.1, 0.2, 0.3, 0.2, 0.2]

rng = np.random.default_rng()
result = rng.choice(a, size=size, replace=False, p=p)
print(result)

random.randint random.sample

random.randint是random模块中的一个函数，用于返回一个指定范围内的随机整数。该函数的语法为random.randint(a, b)，其中a为范围的下限，b为范围的上限，返回的随机整数满足a <= N <= b。

random.sample是random模块中的另一个函数，用于从指定的列表或集合中随机选择指定数量的元素，返回一个新的列表。该函数的语法为random.sample(sequence, k)，其中sequence为要选择元素的序列，k为要选择的元素数量。返回的列表包含了随机选择的k个元素。

所以，random.randint用于生成随机整数，而random.sample用于从序列中随机选择元素。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [Python random.randint方法代码示例](https://blog.csdn.net/weixin_39526741/article/details/110164119)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *2* [np.random.randint、np.random.choice、random.sample三种随机函数的用法案例](https://blog.csdn.net/zsc201825/article/details/80918450)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *3* [Python 随机数函数 random 七种常用方法解说](https://download.csdn.net/download/weixin_38543120/13749340)[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^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
[ .reference_list ]