1.np.random.choice

numpy.random.choice(a, size=None, replace=True, p=None)

• 从给定的一维数组中生成随机数
• 参数： a为一维数组类似数据或整数；size为数组维度；p为数组中的数据出现的概率
• a为整数时，对应的一维数组为np.arange(a)

https://blog.csdn.net/qfpkzheng/article/details/79061601

import numpy as np

# 参数意思分别 是从a 中以概率P，随机选择3个, p没有指定的时候相当于是一致的分布
a1 = np.random.choice(a=5, size=3, replace=False, p=None)
print(a1)
# 非一致的分布，会以多少的概率提出来
a2 = np.random.choice(a=5, size=3, replace=False, p=[0.2, 0.1, 0.3, 0.4, 0.0])
print(a2)
# replacement 代表的意思是抽样之后还放不放回去，如果是False的话，那么出来的三个数都不一样，
# 如果是True的话， 有可能会出现重复的，因为前面的抽的放回去了。

2.例子

默认replace=True，即默认是可以重复采样的。

>>> np.random.choice(5)
          
2
>>> np.random.choice(5,2)
          
array([0, 3])

 默认重复采样：

>>> demo_list = ['lenovo', 'sansumg','moto','xiaomi', 'iphone']
          
>>> np.random.choice(demo_list,size=(3,3))
          
array([['iphone', 'iphone', 'lenovo'],
       ['lenovo', 'iphone', 'iphone'],
       ['xiaomi', 'iphone', 'lenovo']], dtype='<U7')

如果采样大小size超过了a的大小，那么自动重复采样：

import numpy as np
print(np.random.choice([1,2,3,4],10))

#结果
[3 4 2 1 4 3 1 4 1 3]
如果要求的数目大于数组的长度，原来它是可以自动这样重复采样的啊。