Python 为什么random.sample比numpy'；什么是随机选择？

我需要一种无需更换特定数组的方法

a

。我尝试了两种方法（参见下面的MCVE），使用

random.sample（）

和

np.random.choice

我假设

numpy

函数会更快，但事实并非如此。在我的测试中，

random.sample

比

np.random.choice

快约15%

这是正确的，还是我在下面的例子中做错了什么？如果这是正确的，为什么

import numpy as np
import random
import time
from contextlib import contextmanager


@contextmanager
def timeblock(label):
    start = time.clock()
    try:
        yield
    finally:
        end = time.clock()
        print ('{} elapsed: {}'.format(label, end - start))


def f1(a, n_sample):
    return random.sample(range(len(a)), n_sample)


def f2(a, n_sample):
    return np.random.choice(len(a), n_sample, replace=False)


# Generate random array
a = np.random.uniform(1., 100., 10000)
# Number of samples' indexes to randomly take from a
n_sample = 100
# Number of times to repeat functions f1 and f2
N = 100000

with timeblock("random.sample"):
    for _ in range(N):
        f1(a, n_sample)

with timeblock("np.random.choice"):
    for _ in range(N):
        f2(a, n_sample)

---

TL；DR自numpy v1.17.0以来，建议使用

numpy.random.default\rng（）

对象，而不是

numpy.random

。供选择：

将numpy导入为np
rng=np.random.default_rng（）#您可以传递种子
rng.choice（…）#接口相同

除了v1.17中引入的随机API的其他更改之外，这个新版本的choice现在更加智能，在大多数情况下应该是最快的。为了向后兼容，旧版本保持不变

---

---

正如评论中所提到的，numpy长期存在一个关于

np.random.choice

实现对

k无效的问题。我明白了，这是一个长期存在的问题。请@ayhan回复你的评论，这样我就可以把它标记为接受了。我知道这个问题，因为它在这里出现过几次，但我真的不知道为什么它会慢一些。我的答案可能是一个链接和一些引号，但最好是等待其他人，也许他们可以解释这个问题？我认为问题在于，
np.random.choice
通过生成数组中所有索引的排列，然后获取其中的第一个
n_样本
，进行随机采样而不进行替换（请参阅）。如果
n_sample
远小于数组
a
中的元素数，则这将变得非常低效。另一方面，
random.sample
仅绘制
n_samples
随机样本。它通过两种方式之一实现这一点——或者通过跟踪它已经选择的项目（如果
n_样本
random.sample elapsed: 0.8711776689742692
np.random.choice elapsed: 1.9704092079773545
np.random.default_rng().choice elapsed: 0.818919860990718

random.sample elapsed: 8.785315042012371
np.random.choice elapsed: 1.9777243090211414
np.random.default_rng().choice elapsed: 1.05490942299366

random.sample elapsed: 80.15063399000792
np.random.choice elapsed: 2.0218082449864596
np.random.default_rng().choice elapsed: 2.8596064270241186

import numpy as np
import random
from timeit import default_timer as timer
from contextlib import contextmanager


@contextmanager
def timeblock(label):
    start = timer()
    try:
        yield
    finally:
        end = timer()
        print ('{} elapsed: {}'.format(label, end - start))


def f1(a, n_sample):
    return random.sample(range(len(a)), n_sample)


def f2(a, n_sample):
    return np.random.choice(len(a), n_sample, replace=False)


def f3(a, n_sample):
    return np.random.default_rng().choice(len(a), n_sample, replace=False)


# Generate random array
a = np.random.uniform(1., 100., 10000)
# Number of samples' indexes to randomly take from a
n_sample = 100
# Number of times to repeat tested functions
N = 100000

print(f'{N} times {n_sample} samples')
with timeblock("random.sample"):
    for _ in range(N):
        f1(a, n_sample)

with timeblock("np.random.choice"):
    for _ in range(N):
        f2(a, n_sample)

with timeblock("np.random.default_rng().choice"):
    for _ in range(N):
        f3(a, n_sample)