np.random.randint、np.random.choice、random.sample三种随机函数的用法案例

一、np.random.randint

import numpy as np
y1=np.random.randint(2,10,(3,2))
print(y1)

输出: 
array([[6, 5],
       [2, 6],
       [6, 4]])

解释：生成3行2列的数组，取值范围[2,10)之间

二、np.random.choice

import numpy as np
a1=np.array([3,5,2.6,41.2,5.7])
a2 = np.random.choice(a=a1, size=3, replace=False, p=[0.2, 0.1, 0.3, 0.4, 0.0])
print(a2)
输出: array([41.2,  5. ,  2.6])

解释：1、以p的概率，在a中取size个数，p值越大越可能被取到；2、当replace=True时，取值可重复

三、random.sample

import random
y=list(range(1,10))
slice = random.sample(y, 5)  
print (slice)  
输出: [6, 3, 9, 4, 8]

解释：从list中随机获取5个元素，作为一个列表

注意：此random.sample，不是np.random.sample，算法使用不同

四、生成一个与已知数组中元素值相同，但容量更大的数组

import numpy as np
size = 20
a=np.array([3,5,2,1,8])
a_list=a.tolist()
a_vas_list = a_list*(size//len(a_list)+1)
a_vas = np.array(a_vas_list[:50])
print(a_vas)
输出：array([3, 5, 2, 1, 8, 3, 5, 2, 1, 8, 3, 5, 2, 1, 8, 3, 5, 2, 1, 8, 3, 5, 2, 1, 8])