NumPy库学习之np.random.choice函数

NumPy库学习之np.random.choice函数

一、简介

np.random.choice 是 NumPy 库中的一个函数，用于从给定的数组或范围内随机选择元素。这个函数提供了灵活的参数设置，包括是否允许重复选择、选择的概率分布等。

二、语法和参数

函数的基本语法如下：

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

参数说明：

• a：一个数组或范围，表示可以选择的元素集合。
• size：整数或整数的序列，表示要随机选择的元素数量。默认为 None，即从 a 中选择一个元素。
• replace：布尔值，表示是否允许重复选择元素。如果为 True（默认值），则允许重复；如果为 False，则不允许重复，且 size 不应超过 a 的长度。
• p：一个数组，表示每个元素被选择的概率。如果提供了 p，则 a 中的每个元素将根据 p 中对应元素的概率被选择。p 中的值必须非负且总和为1或总和大于0但小于1（表示0的概率）。

三、实例

3.1 从数组中随机选择一个元素

import numpy as np

# 从数组中随机选择一个元素
element = np.random.choice(['apple', 'banana', 'cherry'])

print("选择的元素:", element)

输出：

选择的元素: apple  # 这个值是随机的，可能是 'apple', 'banana', 或 'cherry'

3.2 从数组中随机选择多个元素

# 从数组中随机选择3个元素，允许重复
elements = np.random.choice(['apple', 'banana', 'cherry'], size=3, replace=True)

print("选择的元素:", elements)

输出：

选择的元素: ['banana' 'cherry' 'banana']  # 这些值是随机的

3.3 从数组中随机选择元素，不允许重复

# 从数组中随机选择2个不同的元素
elements_unique = np.random.choice(['apple', 'banana', 'cherry'], size=2, replace=False)

print("选择的不重复元素:", elements_unique)

输出：

选择的不重复元素: ['banana' 'cherry']  # 这些值是随机的，且不会重复

3.4 根据概率分布从数组中随机选择元素

# 根据概率分布从数组中随机选择一个元素
probabilities = [0.1, 0.1, 0.8]  # 'cherry' 的选择概率更高
element_by_prob = np.random.choice(['apple', 'banana', 'cherry'], p=probabilities)

print("根据概率选择的元素:", element_by_prob)

输出：

根据概率选择的元素: cherry  # 'cherry' 的选择概率是0.8

四、注意事项

• 当 replace=False 时，a 中的元素数量必须至少与 size 相等，否则会抛出异常。
• 如果提供了 p 参数，p 的长度必须与 a 的长度相同，且所有值必须非负。
• np.random.choice 函数在随机选择时考虑了 a 中元素的权重，如果未指定 p，则每个元素被选择的概率是相等的。
• 与 np.random.rand 类似，np.random.choice 也是伪随机数生成函数，可以通过 np.random.seed() 设置种子以获得可重复的结果。