Numpy随机从Python数组中选择项目

在本文中，我们将介绍如何使用Python中的Numpy来随机选择特定的数组项。这是一个很有用的功能，特别是在进行数据分析或机器学习等任务时。

下面是一个简单的示例，说明如何在Numpy中随机选择项目：

import numpy as np

my_array = np.array([1, 2, 3, 4, 5, 6])

random_item = np.random.choice(my_array)

print(random_item)

在上面的例子中，我们导入了Numpy库，并创建了一个名为my_array的数组。我们使用np.random.choice()函数从数组中随机选择一个项，并将其保存在random_item变量中。最后，我们打印了random_item变量的值。这将输出一个数组my_array中的随机项。

接下来，我们将介绍一些不同的方法来从数组中随机选择项目。

阅读更多：Numpy 教程

使用随机种子来生成稳定的结果

在某些情况下，我们可能希望从一个数组中选择特定的、可重复的随机项。为了实现这个目标，我们可以使用np.random.seed()函数。

import numpy as np

my_array = np.array([1, 2, 3, 4, 5, 6])

np.random.seed(42)

random_item_1 = np.random.choice(my_array)

np.random.seed(42)

random_item_2 = np.random.choice(my_array)

print(random_item_1, random_item_2)

在上面的例子中，我们在选择随机项之前使用np.random.seed(42)函数来设置随机数生成器的种子。这将确保我们在以后的每次运行中都选择相同的随机项目。注意，我们使用相同的种子值来生成两个随机项。这意味着random_item_1和random_item_2变量将具有相同的值。如果我们不使用种子值，则这两个变量的值将不同。

在多维数组中选择随机项

通常，我们需要从多维数组中选择随机项。为了实现这个目标，我们可以使用np.random.choice()函数，并指定axis参数。

import numpy as np

my_array = np.array([[1, 2, 3],
                     [4, 5, 6],
                     [7, 8, 9]])

random_item = np.random.choice(my_array.shape[0], size=2, replace=False)

new_array = my_array[random_item, :]

print(new_array)

在上面的例子中，我们首先创建了一个名为my_array的二维数组。我们使用np.random.choice()函数，并将axis参数设置为0以选择轴的第一个元素。该函数返回一个随机选择的整数数组，该数组由my_array的索引组成。然后，我们将返回的整数数组和冒号操作符传递给my_array，以创建一个新数组，该数组包含my_array中的两个随机行。

从数组中选择随机子集

有时，我们需要从数组中随机选择特定数量的项，并将其组合成一个新的子集。为了实现这个目标，我们可以使用np.random.choice()函数并设置replace参数为False。

import numpy as np

my_array = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

random_items = np.random.choice(my_array, size=5, replace=False)

print(random_items)