19.3.24关于np.random.choice

?np.random.choice
choice(a, size=None, replace=True, p=None)
a为一个一维数据或者int的对象
size为随机选取出后的数据的类型，可以是一维，也可以是二维
replace=True 代表选取后可以放回，也就是说有可能会出现重复选取的数据
replace=False 代表选取后不放回，不会出现重复数据
p为选取的概率

举例：
1、关于a和size的变化：
np.random.choice(5,3)
np.random.choice(range(5),3)
这两者随机选取的值在形式上是相同的，选取结果如下：

微信图片_20190324142955.png

也就是说，random.choice中的参数a如果为一个int类型，那么会自动生成一个（0,5）的一维数组形式，选取有重复的，是默认replace=True,3为选取的个数。

当然这种形式也是可以的：

image.png

只要a是一个1-D形式

size也可以变化：
np.random.choice(10,(3,4))

image.png

从0到10的数据中选取出了三行四列的一个二维数据
注：这中间也会有重复选取的数据

replace的实例：
假如：讲上述变化为np.random.choice(10,(3,4),replace=False)

image.png

报错，原因是样本数据只有10个，但却要选取出不重复的12个，这显然是不可以的。
解决方法就是：将样本数据扩大或者选取的样本数减少

p的概率的实例解释：
np.random.choice(5, 3, p=[0.1, 0, 0.3, 0.6, 0])
array([3, 3, 0])
在（0,5）中选取3个数据，p为概率，
可理解为：0选取的概率为10%
1选取的概率为0% 依次类推
2为30%，3为60%，4为0%
3被选取的概率最大

image.png

注：p概率总和为1
修改了概率0.8，总和超过了1：

image.png

p与replace的变化：
np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0])
以p的概率从0-5中选取3个数据，不重复。
由于1和4的概率为0，所以无论怎么选取都只会选出0,2,3，只是顺序不同而已

image.png

选取数据为4，报错的原因也很容易理解了

image.png

选取3个后剩下的选取概率为0，第4个数据就无法被选取出来了。