Numpy 中随机选择数组样本：numpy.random.choice() 函数

在 Numpy 生成的数组中，随机选择部分样本可以使用 numpy.random.choice() 函数。该函数可以从给定的数组或序列中随机选择元素，并返回一个新的数组。

使用方法：

import numpy as np

# 从数组中随机选择 3 个元素
array = np.array([1, 2, 3, 4, 5])
random_choice = np.random.choice(array, size=3)
print(random_choice)

参数：

• a: 要从中随机选择的数组或序列。
• size: 要选择的元素数量。
• replace: 布尔值，表示是否允许重复选择。默认为 True，允许重复选择。
• p: 各个元素被选择的概率。必须是与 a 相同长度的数组，且所有元素之和必须为 1。

示例：

1. 从数组中随机选择 5 个元素，允许重复选择：

import numpy as np

array = np.array([1, 2, 3, 4, 5])
random_choice = np.random.choice(array, size=5)
print(random_choice)

2. 从数组中随机选择 3 个元素，不允许重复选择：

import numpy as np

array = np.array([1, 2, 3, 4, 5])
random_choice = np.random.choice(array, size=3, replace=False)
print(random_choice)

3. 从数组中随机选择 2 个元素，并设置各元素被选择的概率：

import numpy as np

array = np.array([1, 2, 3, 4, 5])
probabilities = np.array([0.2, 0.3, 0.1, 0.1, 0.3])
random_choice = np.random.choice(array, size=2, p=probabilities)
print(random_choice)

应用：

• 数据分析：从数据集中随机选择样本进行分析。
• 机器学习：训练模型时，从训练集中随机选择样本进行训练。
• 随机模拟：使用随机样本生成随机数据。

numpy.random.choice() 函数是一个非常实用的工具，可以帮助您在 Numpy 数组中随机选择样本。掌握该函数的用法，可以帮助您在数据分析和机器学习中更加高效地进行随机采样。