为什么random.choices比NumPy快；什么是随机选择？

在Python中，我试图以最有效的方式进行随机采样，但是，我感到困惑，因为使用numpy的random.choices（）比使用random.choices（）慢

23秒vs 152毫秒是很长的时间

---

我做错了什么？这里有两个问题。首先，对于纯Python

random

库，您可能想使用

sample

而不是

choices

来进行采样而不进行替换。这在一定程度上改变了基准。其次，

np.random.choice

在无需替换的情况下具有更好的采样性能。这是一个已知的与随机生成器相关的API。您可以使用

np.random.Generator

来获得更好的性能。我的时间安排：

%timeit meansample = [ np.mean( np.random.choice( s, samplesize, replace=False)) for _ in range(500)]
# 1 loop, best of 3: 12.4 s per loop

%timeit meansample = [np.mean(random.choices(s, k=samplesize)) for x in range(0,500)]
# 10 loops, best of 3: 118 ms per loop

sl = s.tolist()
%timeit meansample = [np.mean(random.sample(sl, k=samplesize)) for x in range(0,500)]
# 1 loop, best of 3: 219 ms per loop

g = np.random.Generator(np.random.PCG64())
%timeit meansample = [ np.mean( g.choice( s, samplesize, replace=False)) for _ in range(500)]
# 10 loops, best of 3: 25 ms per loop

---

因此，在没有替换的情况下，

random.sample

的性能优于

np.random.choice

但比

np.random.Generator.choice

random.choices

允许重复，而

np.random.choice（…，replace=False）

则不然，但是

np.random.choice

确实有性能更好的替代品，而不需要替换。@hilberts\u酗酒问题我们在谈论什么替代品？好吧，OP要求的是

replace=False

案例，这比

random.choices

慢，但这是两件不同的事情。而使用

replace=True

，则与

random相同。选择

更快。因此，比较类似功能时的问题并不成立。@Divakar我同意

random.choices

可能意味着

random.sample

。然而，

random.sample

在没有替换的情况下确实优于

np.random.choice

。如果使用

np.random.Generator.choice

而不是

np.random.choice

，

numpy

会更快。

%timeit meansample = [ np.mean( np.random.choice( s, samplesize, replace=False)) for _ in range(500)]
# 1 loop, best of 3: 12.4 s per loop

%timeit meansample = [np.mean(random.choices(s, k=samplesize)) for x in range(0,500)]
# 10 loops, best of 3: 118 ms per loop

sl = s.tolist()
%timeit meansample = [np.mean(random.sample(sl, k=samplesize)) for x in range(0,500)]
# 1 loop, best of 3: 219 ms per loop

g = np.random.Generator(np.random.PCG64())
%timeit meansample = [ np.mean( g.choice( s, samplesize, replace=False)) for _ in range(500)]
# 10 loops, best of 3: 25 ms per loop