用法：
RandomState.choice(a, size=None, replace=True, p=None)從給定的一維數組生成隨機樣本
New in version 1.7.0.
參數： - a： ： 1-D array-like 或 int
如果是ndarray，則會從其元素生成隨機樣本。如果為int，則生成隨機樣本，就像a為np.arange(a)
- size： ： int 或 tuple of ints, 可選參數
輸出形狀。如果給定的形狀是
(m, n, k)， 然後m * n * k抽取樣品。默認值為無，在這種情況下，將返回單個值。- replace： ： boolean, 可選參數
樣品是否更換
- p： ： 1-D array-like, 可選參數
與a中每個條目關聯的概率。如果未給出，則樣本將假定a中所有條目的均勻分布。
返回值： - samples： ： 單項或ndarray
生成的隨機樣本
異常： - ValueError：
如果a是一個整數並且小於零，則a或p不是一維的；如果a是大小為0的array-like，如果p不是概率的向量，如果a和p的長度不同，或者replace =假，樣本數量大於總體數量
例子：
從大小為3的np.arange(5)生成均勻的隨機樣本：
>>> np.random.choice(5, 3) array([0, 3, 4]) # random >>> #This is equivalent to np.random.randint(0,5,3)從大小為3的np.arange(5)生成非均勻隨機樣本：
>>> np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0]) array([3, 3, 0]) # random從大小為3的np.arange(5)生成均勻的隨機樣本，而無需替換：
>>> np.random.choice(5, 3, replace=False) array([3,1,0]) # random >>> #This is equivalent to np.random.permutation(np.arange(5))[:3]從大小為3的np.arange(5)生成非均勻隨機樣本，而無需替換：
>>> 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重複上述任何操作，而不僅僅是整數。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：本文由純淨天空篩選整理自 numpy.random.mtrand.RandomState.choice。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。