Numpy 如何在两个值之间随机选择

在本文中，我们将介绍如何通过使用numpy来在两个值之间随机选择。

阅读更多：Numpy 教程

numpy.random.choice函数

numpy中的random.choice函数可以用来从给定的序列中随机选择元素。该函数有两种用法：

numpy.random.choice(a, size=None, replace=True, p=None)
numpy.random.choice(a, size=None, replace=True, p=None, axis=0)

其中 a 表示输入的序列，size表示输出的大小， replace表示是否可以重复选择同一个元素，p表示元素被选择的概率分布。

设我们有两个值a和b，现在我们想在两个值之间随机选择。可以通过如下代码实现：

import numpy as np

a = 1
b = 2

result = np.random.choice([a, b])
print(result)

在这种情况下，每个值的概率都是相等的，因此结果为a或b的概率均为0.5。

numpy.random.randint函数

如果我们只有两个值，我们也可以使用random.randint函数来随机选择。该函数的用法如下：

numpy.random.randint(low, high=None, size=None, dtype='l')

其中low表示随机数的最小值，high表示随机数的最大值（如果没有指定，则默认为None），size为输出的大小，dtype为输出的数据类型。

下面是使用randint函数来实现在a和b之间随机选择的示例代码：

import numpy as np

a = 1
b = 2

result = np.random.randint(a, b+1)
print(result)

在这种情况下，randint函数会在a和b之间随机选择一个整数，包括a和b。

示例

在许多机器学习算法中，随机选择在训练集和测试集中的数据点是非常重要的一步。使用numpy中的随机函数可以方便地实现这个功能。

例如，我们有一个数据集X，我们需要将其分成训练集和测试集。我们可以使用以下代码来实现：

import numpy as np

X = np.array(range(100))
train_size = 0.8

train_index = np.random.choice(X.shape[0], size=int(X.shape[0]*train_size), replace=False)
train_set = X[train_index]
test_set = np.delete(X, train_index)

print("训练集：", train_set)
print("测试集：", test_set)