Python中random.sample()的替代方案

python中random.sample()方法可以随机地从指定列表中提取出N个不同的元素，但在实践中发现，当N的值比较大的时候，该方法执行速度很慢，一般N>1万  ,则速度较慢。解决方案：

numpy 的random模块中的choice方法可以有效提升随机提取的效率：

需要注意的是，需要置replace为False，即抽取的元素不能重复，默认为True。

True的话， 有可能会出现重复的，因为前面的抽的放回去了。

============时间对比差距如下：==============

 

==================详解如下=========================================

numpy.random.choice()函数：从给定的1维数组中随机采样的函数。

numpy库的，所以一般会import numpy as np ,np.random.choice(x,x,x)

numpy.random.choice(a, size=None, replace=True, p=None)

a : 如果是一维数组，就表示从这个一维数组中随机采样；

     如果是int型，就表示从0到a-1这个序列中随机采样。 
size : 采样结果的数量，默认为1.可以是整数，表示要采样的数量；也可以为tuple，如(m, n, k)，则要采样的数量为m * n * k，size为(m, n, k)。 
replace : boolean型，采样的样本是否要更换？这个地方我不太理解，测了一下发现replace指定为True时，采样的元素会有重复；当replace指定为False时，采样不会重复。 
p : 一个一维数组，制定了a中每个元素采样的概率，若为默认的None，则a中每个元素被采样的概率相同。

===============================================================

例子 
从大小为3的np.arange(5)生成一个均匀的随机样本：

>>> np.random.choice(5, 3)

输出：([0, 3, 4])

 

从大小为3的np.arange(5)生成一个均匀的随机样本，没有替换（结果不会重复）：

>>> np.random.choice(5, 3, replace=False)
([3,1,0])
 

原文：https://blog.csdn.net/qq_25436597/article/details/79815800 

原文：https://blog.csdn.net/sunnyyan/article/details/83410233