在Python的数据分析和机器学习中，`np.random.choice` 是一个非常实用的小工具！它能从给定的一维数组中随机抽取元素，轻松实现数据采样或模拟场景。🔍✨
首先，它的基本语法是：`np.random.choice(a, size=None, replace=True, p=None)`。其中 `a` 是输入的数组，`size` 定义输出形状，`replace` 控制是否可以重复抽样，而 `p` 则指定概率权重。💡👇
例如，从 `[1, 2, 3]` 中随机抽取 5 个值：
```python
import numpy as np
result = np.random.choice([1, 2, 3], size=5)
print(result) 输出类似 [2 3 1 2 3]
```
如果需要设定不同抽样概率（如更倾向于选 1）：
```python
weights = [0.7, 0.2, 0.1]
result = np.random.choice([1, 2, 3], size=5, p=weights)
print(result)
```
总之，`np.random.choice` 是灵活且强大的工具，无论是数据分析还是实验模拟都能派上用场！🎯🎉
标签：
免责声明：本文由用户上传，如有侵权请联系删除！