拜读了这篇文章对np.random.choice()有所了解.本文部分引自这篇文章.
https://blog.csdn.net/wyx100/article/details/80639653?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task
先了解一下这个 choice:
np.random.choice
RandomState.choice(a, size=None, replace=True, p=None)
a : 1-D array-like or int If an ndarray, a random sample is generated from its elements.
如果是ndarray数组，随机样本在该数组获取（取数据元素）， If an int, the random sample is generated as if a was np.arange(n)
如果是整型数据随机样本生成类似np.arange(n)
size : int or tuple of ints, optional
大小：整型或整型元组中元素个数，可选
replace : boolean, optional
替换：布尔型，可选 Whether the sample is with or without replacement
样本是否有重复值（False，没有；True，有；默认：True）
见例子3
p : 1-D array-like, optional
1维数组，可选
The probabilities associated with each entry in a. If not given the sample assumes a uniform distribution over all entries in a.
和a里的每个输入联系，如果没有该参数，默认假设a里的每个输入等概率出现。（和a中元素一一对应，表示该元素出现的概率，概率大的，出现较多）
有几点说明如下测试图:
1,a 必须是一维的
2,size 可以是多维的
3,p内的数字对应着a 内各个数字出现的概率,size 要和 a 一样,而且要相加为 1.也就是p 内所有的数字概率之和为 1.
