借助choice()方法，我们可以获得一维数组的随机样本，并返回numpy数组的随机样本。
用法：numpy.random.choice(a, size=None, replace=True, p=None)
参数：
1)具有随机样本的numpy的1-D数组。
2)size-输出numpy数组的随机样本的形状。
3)更换-样品是否需要更换。
4)p-概率与a中的每个样本相关。
输出：返回随机样本的numpy数组。
范例1：
在此示例中，我们可以看到，通过使用choice()方法，我们可以获得numpy数组的随机样本，使用此方法可以生成均匀或不均匀的样本。
Python3
# import choice
import numpy as np
import matplotlib.pyplot as plt
# Using choice() method
gfg = np.random.choice(13, 5000)
count, bins, ignored = plt.hist(gfg, 25, density = True)
plt.show()输出：
范例2：
Python3
# import choice
import numpy as np
import matplotlib.pyplot as plt
# Using choice() method
gfg = np.random.choice(5, 1000, p =[0.2, 0.1, 0.3, 0.4, 0])
count, bins, ignored = plt.hist(gfg, 14, density = True)
plt.show()输出：
相关用法
注：本文由纯净天空筛选整理自Jitender_1998大神的英文原创作品 numpy.random.choice() in Python。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。