在數(shù)據(jù)分析、模擬實(shí)驗(yàn)和機(jī)器學(xué)習(xí)中，隨機(jī)采樣 是一個非常常見的操作。
NumPy 提供的 numpy.random.choice() 函數(shù)讓我們可以方便地從數(shù)組或序列中隨機(jī)選取元素。

本文將深入介紹 numpy.random.choice() 的功能、參數(shù)、注意事項(xiàng)以及常見實(shí)戰(zhàn)案例。

一、函數(shù)簡介

numpy.random.choice() 用于從給定的一維數(shù)組中隨機(jī)抽取元素，
并可以選擇是否允許重復(fù)（有放回或無放回抽樣）。

函數(shù)原型如下：

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

官方文檔介紹地址numpy.random.choice

二、參數(shù)詳解

三、基礎(chǔ)用法示例

示例 1：從整數(shù)范圍中隨機(jī)選取

import numpy as np

# 從 0~9 中隨機(jī)選擇一個數(shù)字
num = np.random.choice(10)
print(num)

輸出結(jié)果示例：

7

說明：
這里 a=10 表示選擇范圍 [0, 1, 2, ..., 9]。

示例 2：從列表中隨機(jī)抽樣

fruits = ['apple', 'banana', 'cherry', 'orange']
sample = np.random.choice(fruits)
print(sample)

輸出示例：

banana

示例 3：一次抽取多個樣本

numbers = np.arange(10)
sample = np.random.choice(numbers, size=5)
print(sample)

輸出示例（每次結(jié)果不同）：

[8 8 0 4 7]

這里8出現(xiàn)兩次是因?yàn)槟J(rèn)有放回抽樣。

示例 4：無放回抽樣（不重復(fù)）

sample = np.random.choice(numbers, size=5, replace=False)
print(sample)

輸出：

[4 2 9 7 6]

? 小技巧：當(dāng) replace=False 時(shí)，size 不能大于 a 的長度，否則會報(bào)錯。

四、加權(quán)抽樣（設(shè)置概率分布）

默認(rèn)情況下，每個元素被抽取的概率是均勻的。
如果你希望某些元素被抽到的概率更高，可以使用參數(shù) p。

示例 5：指定抽樣概率

items = ['A', 'B', 'C']
prob = [0.7, 0.2, 0.1]  # 概率總和必須為 1
samples = np.random.choice(items, size=10, p=prob)
print(samples)

可能輸出：

['A' 'A' 'B' 'A' 'C' 'A' 'A' 'B' 'A' 'A']

?? 實(shí)際中常用于模擬隨機(jī)事件或構(gòu)建概率分布模型。

五、生成多維隨機(jī)數(shù)組

size 參數(shù)可以指定為一個元組，用于生成多維結(jié)果。

示例 6：生成二維隨機(jī)數(shù)組

result = np.random.choice(5, size=(2, 3))
print(result)

輸出示例：

[[2 1 4]
 [3 0 1]]

這在深度學(xué)習(xí)、圖像隨機(jī)采樣或批量數(shù)據(jù)構(gòu)造中非常有用。

六、注意事項(xiàng)與常見錯誤

? 1. 概率和不為 1

np.random.choice([1, 2, 3], p=[0.5, 0.5, 0.2])
# ValueError: probabilities do not sum to 1

必須保證：

sum(p) == 1

? 2. 無放回抽樣數(shù)量超限

np.random.choice(5, size=10, replace=False)
# ValueError: Cannot take a larger sample than population when 'replace=False'

解決方案：要么允許重復(fù)（replace=True），要么減小 size。

? 3. 非一維數(shù)組抽樣

a 必須是一維數(shù)組，若是多維數(shù)組則需先展平：

matrix = np.arange(9).reshape(3, 3)
choice = np.random.choice(matrix.flatten(), size=4)
print(choice)

七、實(shí)戰(zhàn)案例

案例 1：模擬擲骰子

dice = [1, 2, 3, 4, 5, 6]
rolls = np.random.choice(dice, size=10, replace=True)
print("擲骰結(jié)果：", rolls)

案例 2：隨機(jī)抽取樣本用于驗(yàn)證集

data = np.arange(100)
test_idx = np.random.choice(data, size=20, replace=False)
print("測試集索引：", test_idx)

案例 3：加權(quán)隨機(jī)推薦系統(tǒng)

users = ["新用戶", "普通用戶", "VIP用戶"]
weights = [0.6, 0.3, 0.1]  # 新用戶更容易被推薦
recommend = np.random.choice(users, size=5, p=weights)
print("推薦結(jié)果：", recommend)

八、與其他隨機(jī)函數(shù)的對比

到此這篇關(guān)于NumPy random.choice()函數(shù)的使用小結(jié)的文章就介紹到這了,更多相關(guān)NumPy random.choice()內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論