Numpy中的随机抽样 | random_sample()函数

在数据分析和机器学习领域中，我们经常需要对数据进行随机抽样。Numpy中的random_sample()函数可以用于生成随机的样本。在本文中，我们将详细介绍Numpy中的random_sample()函数。

random_sample()函数

numpy.random.random_sample(size=None)该函数返回指定大小的随机浮点数，范围在[0.0，1.0)之间。如果没有给出参数，则返回单个浮点数。

参数

• size：整数或元组，用于定义返回数组的形状。如果未给出，则默认为None，返回单个随机样本。

返回值

随机抽样数组。

示例

import numpy as np

# 生成单个随机样本
sample = np.random.random_sample()
print(sample) # 输出为0到1之间的单个随机小数

# 生成指定大小的随机抽样数组
arr = np.random.random_sample((3, 2)) # 返回形状为（3, 2）的数组
print(arr)
"""
输出：
[[0.04383426 0.54312311]
 [0.14035262 0.45733814]
 [0.2222715  0.8707848 ]]
"""

随机抽样

随机抽样用于从总体中选择一个样本子集，在统计学和机器学习中有很多应用。通过从总体中选择样本子集，我们可以更好地理解和推断总体的性质。

在使用Python进行数据分析和机器学习时，我们可以使用numpy.random模块中的random_sample()函数来处理随机抽样问题。下面是一个生成随机抽样数组的示例代码：

import numpy as np

# 生成一个由1到100的整数组成的数组
population = np.arange(1, 101)

# 从总体中随机抽取10个样本，代表的是前10个样本
sample = np.random.choice(population, 10, replace=False)

print("随机抽样的样本：", sample)

输出样本：

随机抽样的样本： [37 51 98 45 20 77 91 53 31 17]

总结

本文介绍了Numpy中的random_sample()函数，并提供了生成单个和多个随机抽样数组的示例代码。希望本文可以为你理解和处理随机抽样问题提供帮助。