怎么在Python中实现NumPy数组的无放回高效随机抽样

最可靠的方法是使用numpy.random.Generator.choice：RNG需要先创建 = np.random.default_rng(seed)例子，再次调用rng.choice(arr, size, replace=False)，性能优异，可复制，线程安全，不支持隐式多维输入，轴向抽样或平整必须手动处理。

NumPy 1.17+ 弃用了旧的 numpy.random.choice（来自全局 np.random 基于模块的推荐使用) Generator 新界面。默认情况下，没有放回抽样，底部使用 Fisher-Yates 变体洗牌，性能好，可复制，线程安全。

直接调用常见错误 np.random.choice(a, size, replace=False) —— 这在 NumPy ≥1.25 中会触发 DeprecationWarning，随机种子粒度无法控制。

• 必须先创建 Generator 实例：rng = np.random.default_rng(seed=42)
• 抽样时输入数组本身(而不是长度)：rng.choice(arr, size=10, replace=False)，arr 可以是 1D 数组或任何可能的索引序列
• 若 arr 它是多维的，需要先展平或使用 np.take + 随机索引配合，choice 不支持高维数组直接轴向无放回采样

当 size 接近 len(arr)（比如 > 70%），replace=False 内部会退化为洗牌后的切片(即先退化为洗牌后的切片) shuffle 整个数组再次取前 size (1)这将额外分配等长内存并修改原始数组副本。

如果你只想“打乱后取前” k 个”，更有效的方法是直接 shuffle 再切片：

立即学习“Python免费学习笔记(深入)；

rng = np.random.default_rng(42)
shuffled = arr.copy()
rng.shuffle(shuffled)
sample = shuffled[:k]

这样就避免了 choice 特别是在大数组和高比例采样中，中间索引映射费用很快 2–3 而且显式可控。

Python数据分析助手

为业务和科研数据的快速处理提供Python数据清理、统计分析和可视化建议。

Generator.choice 只接受一维输入，不能直接写 rng.choice(matrix, axis=0, replace=False) —— 这会报错 ValueError: a must be 1-dimensional。

正确的方法是生成行/列索引，然后用高级索引提取：

• 按行抽样(随机选择) 5 行）：rows = rng.choice(matrix.shape[0], size=5, replace=False); sample = matrix[rows]
• 按列抽样(随机选择) 3 列）：cols = rng.choice(matrix.shape[1], size=3, replace=False); sample = matrix[:, cols]
• 注意：这里 choice 作用于整数范围，而不是原始数组，因此不会触发复制整个数据的费用

老写法 np.random.choice(arr, 10) 默认 replace=True；而新 Generator.choice **没有默认 replace 值**，必须显式传参，否则报告 TypeError。

另外，np.random.seed() 全局影响所有后续调用，但是 default_rng(seed) 在多线程或单元测试中，这是一个局部实例，不相互干扰——这一点尤为关键。泄漏会导致随机污染。

最容易被忽视的是，如果原始逻辑依赖 np.random.choice 隐藏非一维数组 ravel 行为(如传入) list of lists），新界面将直接报错，必须提前报错 np.asarray(...).ravel()。