我需要从长度为n的数组A中进行替换采样。我想知道以下两个命令有何不同。如果它们都给出相同的结果，那么哪个更好（在性能等方面……）
A[np.random.randint(0, n, n)]
A[np.random.choice(n, n)]
答案 0 :(得分：1)
选择的目的是对数组进行采样，给它一个整数是给它一个整数长度范围的捷径。因此，如果您滥用自己的选择方式，那么randint可能会更有效率。
不过，正确的方法是np.random.choice(A, size=n)。这就是您拼写“替换样品”的方式。
答案 1 :(得分：1)
randint返回所提供范围内的随机整数。
choice从提供的数组中返回一个随机元素，或者，如果您提供一个int（如u），它的功能类似于np.random.randint(0, n, n)。
因此，在此示例中没有区别，但是我认为randint会稍快一些。
答案 2 :(得分：0)
numpy.randon.randint和numpy.random.choice都为您提供了从范围（如果是randint）或数组（如果选择）中选择随机数的选项。当数组中的项目在某个范围内时，那么使用numpy.random.choice的主要区别是：
一次掷硬币的结果
np.random.randint(2)
一万次硬币翻转的结果
np.random.randint(2, size=10000)
一次掷硬币的结果
np.random.choice([0, 1])
一万次硬币翻转的结果
np.random.choice([0, 1], size=10000)
一万次有偏见的硬币翻转的结果
np.random.choice([0, 1], size=10000, p=[0.8, 0.2])