处理数据时经常需要从数组中随机抽取元素，这时候就需要用到np.random.choice()。然而choice用法的官方解释并不详细，尤其是对replace参数的解释，例子也不是很全面。因此经过反复实验，我较为详细的总结出了他的用法，并给出了较为详细的使用代码例子。

官方解释：

官方解释：numpy.random.choice(a, size=None, replace=True, p=None)Generates a random sample from a given 1-D arrayNew in version 1.7.0.Parameters:	a : 1-D array-like or intIf 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, optionalOutput 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, optionalWhether the sample is with or without replacementp : 1-D array-like, optionalThe probabilities associated with each entry in a. If not given the sample assumes a uniform distribution over all entries in a.123456789101112131415161718

总结

#numpy.random.choice(a, size=None, replace=True, p=None)#从a(只要是ndarray都可以，但必须是一维的)中随机抽取数字，并组成指定大小(size)的数组#replace:True表示可以取相同数字，False表示不可以取相同数字#数组p：与数组a相对应，表示取数组a中每个元素的概率，默认为选取每个元素的概率相同。

除了numpy中的数组，python内建的list（列表）、tuple（元组）也可以使用。

详解及代码举例

- 产生随机数

>>>np.random.choice(5)#从[0, 5)中随机输出一个随机数#相当于np.random.randint(0, 5)	2>>>np.random.choice(5, 3)#在[0, 5)内输出五个数字并组成一维数组（ndarray）#相当于np.random.randint(0, 5, 3)	array([1, 4, 1])

注意：不管是什么，它必须是一维的！

L = [1, 2, 3, 4, 5]#list列表T = (2, 4, 6, 2)#tuple元组A = np.array([4, 2, 1])#numpy,array数组,必须是一维的A0 = np.arange(10).reshape(2, 5)#二维数组会报错>>>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)#如果是二维数组，会报错	ValueError: 'a' must be 1-dimensional

用来设置是否可以取相同元素：

True表示可以取相同数字；

False表示不可以取相同数字。

默认是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)#会报错，因为五个数字中取六个，不可能不取到重复的数字	ValueError: Cannot take a larger sample than population when 'replace=False'

p实际是个数组，大小（size）应该与指定的a相同，用来规定选取a中每个元素的概率，默认为概率相同

>>> 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’被选取的概率明显比其他几个高很多

摘自：;app_version=4.8.0