Numpy基础-np.random.choice()、np.where()

1、numpy.random.choice()

函数定义：random.choice(a, size=None, replace=True, p=None)

用途：从给定的一维数组中生成随机样本

参数：

a：一维数组或int类型整数。如果是一维数组，则从其元素中生成随机样本。 如果是 int，则生成随机样本，就好像它是np.arange(a).

size：整数或整数元组，可选。输出形状，如果给定形状是(m, n, k)，则产生样本数组维数是(m, n, k)。默认值为“None”，在这种情况下返回单个值。

replace：布尔型，可选。默认值为 True， 这意味着有放回抽取。

p：一维数组，可选。p内元素是a 中的每个元素对应的概率。 如果未给出，则假设样本在所有范围内均匀分布。

返回值：

samples：单个元素或ndarray。生成的随机样本。

示例：

>>> import numpy as np
>>> 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', 'rabbit', 'Christopher', 'pooh'], dtype='<U11')

2、numpy.where()

函数定义：numpy.where(condition, [x, y, ]/)

用途：返回根据条件从 x 或 y 中选择的元素。

参数：

condition: 类数组的或bool型。哪里为True，则生成 x，否则生成 y。

x, y：类数组的。返回值将从这两个数组中选取。

返回值：

out：ndarray。在条件为 True的地方是来自 x 的元素，在其他地方是来自 y的元素。

示例：

#例1，结果维数和condition一样
>>> np.where([[True, False], [True, True]],
         [[1, 2], [3, 4]],
         [[9, 8], [7, 6]])
array([[1, 8],
       [3, 4]])

#例2
>>> aa = np.arange(10)
>>> np.where(aa,1,-1)
array([-1,  1,  1,  1,  1,  1,  1,  1,  1,  1])  # 0为False，所以第一个输出-1
>>> np.where(aa > 5,1,-1)
array([-1, -1, -1, -1, -1, -1,  1,  1,  1,  1])

#例3
>>> a = 10
>>> np.where([[a > 5,a < 5], [a == 10,a == 7]],
             [["chosen","not chosen"], ["chosen","not chosen"]],
             [["not chosen","chosen"], ["not chosen","chosen"]])

array([['chosen', 'chosen'],
       ['chosen', 'chosen']], dtype='<U10')

#例4，不传递x和y，则返回condition为True的位置的索引
>>> a = np.array([2,4,6,8,10])
>>> np.where(a > 5)
(array([2, 3, 4], dtype=int64),)