一、前言

今天在写神经网络里，使用minibatch抽取部分数据使用到了choice函数

二、函数讲解

1、choice()函数

老样子，先给大家上张官网的介绍

英文版：

中文版：

choice(a, size=None, replace=True, p=None)

从给定的1维数组中生成随机样本

2、参数讲解

1） a

类型：一维数组或int整数

① 如果是数组的话

则从a的元素中生成随机的样本

import numpy as np

a = [1,5,3,0,2,6,9,8]

print(np.random.choice(a))

# 2		# 没有size参数，默认随机返回一个值

② 如果是int类型的话

用法和mp.arange(n)相同

import numpy as np

print(np.random.choice(5,3))
# [0 3 4]	# 等同于np.arange((0,5),3)，均匀随机样本（可能存在重复）

2）size（可选）

类型：int（例如1,2,3）或int型的元组（例如：(1,2,3) ）

作用：影响返回值的形状

① 如果不填

默认返回一个随机样本

import numpy as np

a = [1,5,3,0,2,6,9,8]

print(np.random.choice(a))
# 2

② 如果填写（m,n,k）

返回m * n * k个样本（这里可以理解为（块，行，列），类似于我这篇文章里的permute函数）

import numpy as np

print(np.random.choice(a,size=(1,2)))
# [[2 3]]	#1块1行2列

print(np.random.choice(a,size=(1,2,3)))
# [[[2 9 3]		# 1块2行3列
#   [6 5 3]]]

3）replace（可选）

类型：布尔类型（True/False）

作用：影响输出值是否存在重复情况

① 如果是True

输出值可能重复

print(np.random.choice(5,3,replace=True))
# [2 0 0]	# 输出值可能重复

② 如果是Fasle

print(np.random.choice(5,3,replace=False))
# [1 4 0]	# 输出值不会重复

4）p（可选，全称：probability）

类型：一维数组（同a）

作用：与 a 中的每个条目相关联的概率，默认为均匀分布

print(np.random.choice(5, 3, replace=False, p=[0.1, 0, 0.3, 0.6, 0]))
# [3 0 2]

5）返回值

类型：与size参数设定有关系，默认为一维的int或者数组

3、出错时可能的情况

• a 是 int 且小于零
• a 或 p 不是一维的
• a 是size= 0 的数组
• p 不是概率向量
• a 和 p 具有不同的长度
• replace=False 时并且样本数量大于总体

扩展

a除了一维数组和int整数类型

也可以吧一维数组中的数字替换成字符串

a = ['pooh', 'rabbit', 'piglet', 'Christopher']
print(np.random.choice(a, 3, p=[0.5, 0.1, 0.1, 0.3]))
# ['Christopher' 'Christopher' 'rabbit']