Python Numpy random.choice() 数据分布

1、什么是数据分布（Data Distribution）？

数据分布 指的是：

一组数据中，所有可能取值以及每个取值出现频率或概率的描述方式。

在统计学、数据分析和机器学习中，数据分布非常重要，因为它可以帮助我们理解：

• 哪些值更容易出现
• 哪些值较少出现
• 数据整体是否均衡
• 样本是否符合预期规律

例如，一组数据只可能取值 3、5、7、9，它们出现的概率分别是：

• 3 → 0.1
• 5 → 0.3
• 7 → 0.6
• 9 → 0.0

那么这组数据就服从一个离散概率分布。

2、什么是随机分布？

随机分布 是指：

随机生成的数据并不是“完全平均”出现，而是按照某种概率规则出现。

例如：

• 有些值出现概率高
• 有些值出现概率低
• 有些值甚至永远不会出现

对于离散数据，通常使用 概率分布 来描述每个值出现的可能性。
NumPy 可以通过 random.choice() 方法，根据给定概率生成符合分布要求的随机数。

3、使用 random.choice() 按概率生成随机数

choice() 方法可以从一个给定数组中随机选取元素。

基本语法

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

参数说明：

• a：待选值的数组或列表
• size：返回结果的形状
• replace：是否允许重复抽样，默认 True
• p：每个元素对应的概率

4、使用 p 参数指定概率分布

通过 p 参数，可以指定每个值被选中的概率。

示例：生成符合指定分布的一维数组

from numpy import random 

x=random.choice([3, 5, 7, 9], p=[0.1, 0.3, 0.6, 0.0], size=100) 

print(x)

这段代码表示：

• 生成一个长度为 100 的一维数组
• 数组元素只能是 3、5、7、9
• 各值出现的概率分别为：
  • 3 → 10%
  • 5 → 30%
  • 7 → 60%
  • 9 → 0%

5、概率之和必须等于 1

在 p 参数中，所有概率值之和必须等于 1。

例如：

p=[0.1, 0.3, 0.6, 0.0]

其总和为：

0.1+0.3+0.6+0.0=1.0

如果概率和不等于 1，NumPy 会报错。

6、概率为 0 的值不会出现

在上面的例子中，9 的概率被设置为 0.0，因此它不会被选中。

from numpy import random

x=random.choice([3, 5, 7, 9], p=[0.1, 0.3, 0.6, 0.0], size=100)

print(x)

理论上，无论运行多少次，结果中都不会出现 9。

7、抽样结果不一定完全等于理论比例

需要注意的是：

概率描述的是“长期趋势”，并不保证每次抽样结果都严格按比例分布。

例如：

• 理论上 3 的概率是 10%
• 如果只生成 10 个数，可能一个 3 都没有
• 如果生成 10 万个数，结果会更接近 10%

也就是说：

• 样本越小，波动越大
• 样本越大，越接近理论概率

8、生成二维数组

通过 size 参数，还可以生成任意形状的数组。

示例：生成二维数组

from numpy import random

x=random.choice([3, 5, 7, 9], p=[0.1, 0.3, 0.6, 0.0], size=(3, 5))

print(x)

说明：

• 返回一个 3 × 5 的二维数组
• 每个元素仍然来自 [3, 5, 7, 9]
• 并且遵循给定概率分布

9、replace 参数补充说明

choice() 默认参数：

replace=True

表示：

允许重复抽取同一个值

这也是最常见的情况，特别适合模拟“按分布随机生成数据”。

示例：

from numpy import random

x=random.choice([1, 2, 3], size=10, replace=True)
print(x)

如果设置：

replace=False

则表示不允许重复抽样。

⚠️ 这时抽样数量不能超过原数组长度，否则会报错。

10、完整示例

from numpy import random

# 按指定概率生成 20 个随机数
x=random.choice(
    [3, 5, 7, 9],
p=[0.1, 0.3, 0.6, 0.0],
size=20
)

print(x)