另一种选择是创建一个随机掩码，如果您只是想按某个因素对数据进行抽样。假设我想降低样本到25%的原始数据集，它目前保存在数组data_arr中:

# generate random boolean mask the length of data
# use p 0.75 for False and 0.25 for True
mask = numpy.random.choice([False, True], len(data_arr), p=[0.75, 0.25])

现在您可以调用data_arr[mask]并返回~25%的行，随机采样。

如果你需要相同的行，但只是一个随机样本，

import random
new_array = random.sample(old_array,x)

这里x必须是一个'int'定义你想随机选择的行数。

另一种选择是创建一个随机掩码，如果您只是想按某个因素对数据进行抽样。假设我想降低样本到25%的原始数据集，它目前保存在数组data_arr中:

# generate random boolean mask the length of data
# use p 0.75 for False and 0.25 for True
mask = numpy.random.choice([False, True], len(data_arr), p=[0.75, 0.25])

现在您可以调用data_arr[mask]并返回~25%的行，随机采样。

如果你想生成多个随机的行子集，例如，如果你在做RANSAC。

num_pop = 10
num_samples = 2
pop_in_sample = 3
rows_to_sample = np.random.random([num_pop, 5])
random_numbers = np.random.random([num_samples, num_pop])
samples = np.argsort(random_numbers, axis=1)[:, :pop_in_sample]
# will be shape [num_samples, pop_in_sample, 5]
row_subsets = rows_to_sample[samples, :]

我看到有人建议排列。事实上，它可以变成一行:

>>> A = np.random.randint(5, size=(10,3))
>>> np.random.permutation(A)[:2]

array([[0, 3, 0],
       [3, 1, 2]])

我很惊讶这个更容易阅读的解决方案在10多年后还没有被提出 :

import random

b = np.array(
    random.choices(a, k=2)
)

编辑 :啊，也许是因为它只在Python 3.6中引入，但仍然……