python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Python random.sample()和numpy.random.choice()优缺点

Python之random.sample()和numpy.random.choice()的优缺点说明

作者:Javy Wang

这篇文章主要介绍了Python之random.sample()和numpy.random.choice()的优缺点说明,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教

对比

python中random.sample()方法可以随机地从指定列表中提取出N个不同的元素,列表的维数没有限制

有文章指出:在实践中发现,当N的值比较大的时候,该方法执行速度很慢。

可以用numpy random模块中的choice方法来提升随机提取的效率。

有问题,从该文章看不出来random.sample方法比choice方法慢多少,我自己仿真倒是发现random.sample方法比choice方法快的多,后面会举例说明

numpy.random.choice() 对抽样对象有要求,必须是整数或者一维数组(列表),不能对超过一维的数据进行抽样,这是其缺点。

random.sample() 和 numpy.random.choice() 的优点都是可以指定抽样的个数,一次性从列表中不重复地抽样出指定个数的元素,其中 random.sample()默认就是不重复抽样(不放回的抽样),而numpy.random.choice()默认是可以重复抽样,要想不重复地抽样,需要设置replace参数为False,用法如下:

补充

前面说random.sample方法比choice方法快的多,下面附图为证。

更新

有博友留言说,numpy.random.choice()与 random.sample() 两者适合的情况不同,建议增加抽样数量再试试,下面是逐步增加抽样数量后的结果。

列表元素为100000个,抽样个数为9。

抽样个数为1000。

抽样个数为10000。

抽样个数为50000。

从以上实验来看,numpy.random.choice()抽样方法的时间几乎不会随着抽样数量的变化而变化,而random.sample() 会随着抽样数量的增加而增加。

所以当数量较少的时候,random.sample() 用时非常少,而numpy.random.choice()则很长;当抽样数量很大的时候,numpy.random.choice()几乎不变,而random.sample() 用时变长。

简单绘制一下测试结果,如下所示

从图上可以看到,numpy.random.choice()的用时确实保持不变,而random.sample() 用时会随着抽样比例的增加而线性增长。

总结

从对象类型上看,random.sample方法比numpy.random.choice方法适用范围广。

从速度上看,当抽样数量小的时候,random.sample方法比numpy.random.choice方法快很多;当抽样数量很大的时候,random.sample方法就不如numpy.random.choice方法了。

以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。

您可能感兴趣的文章:
阅读全文