用法：
RandomState.choice(a, size=None, replace=True, p=None)从给定的一维数组生成随机样本
New in version 1.7.0.
参数： - a： ： 1-D array-like 或 int
如果是ndarray，则会从其元素生成随机样本。如果为int，则生成随机样本，就像a为np.arange(a)
- size： ： int 或 tuple of ints, 可选参数
输出形状。如果给定的形状是
(m, n, k)， 然后m * n * k抽取样品。默认值为无，在这种情况下，将返回单个值。- replace： ： boolean, 可选参数
样品是否更换
- p： ： 1-D array-like, 可选参数
与a中每个条目关联的概率。如果未给出，则样本将假定a中所有条目的均匀分布。
返回值： - samples： ： 单项或ndarray
生成的随机样本
异常： - ValueError：
如果a是一个整数并且小于零，则a或p不是一维的；如果a是大小为0的array-like，如果p不是概率的向量，如果a和p的长度不同，或者replace =假，样本数量大于总体数量
例子：
从大小为3的np.arange(5)生成均匀的随机样本：
>>> np.random.choice(5, 3) array([0, 3, 4]) # random >>> #This is equivalent to np.random.randint(0,5,3)从大小为3的np.arange(5)生成非均匀随机样本：
>>> np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0]) array([3, 3, 0]) # random从大小为3的np.arange(5)生成均匀的随机样本，而无需替换：
>>> np.random.choice(5, 3, replace=False) array([3,1,0]) # random >>> #This is equivalent to np.random.permutation(np.arange(5))[:3]从大小为3的np.arange(5)生成非均匀随机样本，而无需替换：
>>> np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0]) array([2, 3, 0]) # random可以使用任意的array-like重复上述任何操作，而不仅仅是整数。例如：
>>> 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'], # random dtype='<U11')
注：本文由纯净天空筛选整理自 numpy.random.mtrand.RandomState.choice。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。