是否可以修改 numpy.random.choice 函数以使其返回所选元素的索引？ 基本上，我想创建一个列表并随机选择元素而不替换
import numpy as np
>>> a = [1,4,1,3,3,2,1,4]
>>> np.random.choice(a)
>>> 4
>>> a
>>> [1,4,1,3,3,2,1,4]
a.remove(np.random.choice(a)) 将删除列表中具有它遇到的值的第一个元素（上例中的a[1]），它可能不是所选元素（例如，a[7]）。
【问题讨论】：
enumerate 可能会工作
也许晚了，但值得一提的是这个解决方案，因为我认为最简单的方法是：
a = [1, 4, 1, 3, 3, 2, 1, 4]
n = len(a)
idx = np.random.choice(list(range(n)), p=np.ones(n)/n)
这意味着您从索引中选择是一致的。在更一般的情况下，您可以通过以下方式进行加权采样（并返回索引）：
probs = [.3, .4, .2, 0, .1]
n = len(a)
idx = np.random.choice(list(range(n)), p=probs)
如果您尝试多次这样做（例如 1e5），则所选索引的直方图将类似于 [0.30126 0.39817 0.19986 0. 0.10071] 在这种情况下是正确的。
无论如何，您应该从索引中选择并使用值（如果需要）作为它们的概率。
【讨论】：
numpy.random.choice(a, size=however_many, replace=False)
如果您想要一个无需替换的示例，请让 numpy 为您制作一个。不要重复循环和绘制项目。这会产生臃肿的代码和糟糕的性能。
例子：
>>> a = numpy.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> numpy.random.choice(a, size=5, replace=False)
array([7, 5, 8, 6, 2])
在足够新的 NumPy（至少 1.17）上，您应该使用新的随机性 API，它解决了长期存在的性能问题，即旧 API 的 replace=False 代码路径不必要地在后台生成了输入的完整排列：
rng = numpy.random.default_rng()
result = rng.choice(a, size=however_many, replace=False)
【讨论】：
a 与您的代码中的内容完全相同；它是我们想要从中获取样本的类数组对象。 size 是我们想要的样本中元素的数量，replace=False 要求提供没有替换的样本。结果将是一个形状为(however_many,) 的一维数组，其中包含您想要的样本。
a 已经是一个随机样本，但是您想从a 中提取元素而不进行替换，那么您实际上是在从a 中提取另一个随机样本。如果你真的，真的想连续从a 中删除元素，numpy 不太可能帮到你。
这是一个简单的解决方案，只需从范围函数中选择即可。
import numpy as np
a = [100,400,100,300,300,200,100,400]
I=np.random.choice(np.arange(len(a)))
print('index is '+str(I)+' number is '+str(a[I]))
【讨论】：
除了使用choice，您还可以简单地random.shuffle您的数组，即
random.shuffle(a) # will shuffle a in-place
【讨论】：
与其他答案相比，这有点偏左，但我认为它可能有助于你在更大意义上尝试做的事情。您可以通过改组源数组中元素的索引来生成随机样本而无需替换：
source = np.random.randint(0, 100, size=100) # generate a set to sample from
idx = np.arange(len(source))
np.random.shuffle(idx)
subsample = source[idx[:10]]
这将通过从源集（这里，大小为 100）中提取元素而不进行替换来创建一个样本（这里，大小为 10）。
您可以使用剩余的索引值与未选择的元素进行交互，即：
notsampled = source[idx[10:]]
【讨论】：
关于你的第一个问题，你可以反过来，从数组a的索引中随机选择，然后取值。
>>> a = [1,4,1,3,3,2,1,4]
>>> a = np.array(a)
>>> random.choice(arange(a.size))
6
>>> a[6]
但是如果您只需要随机样本而不需要替换，replace=False 就可以了。不记得什么时候第一次添加到random.choice，可能是1.7.0。因此，如果您运行的是非常旧的numpy，它可能无法正常工作。请记住，默认值为replace=True
【讨论】：
np.random.randint(0,a.size)，除非我认为需要许多互斥的选择。
np.random.randint(0,a.size, size=size_you_want) 就足够了。
a 是一个列表，而不是 array。首先将其转换为array。我忘了复制 1 行。
replace=False，因此一旦对元素进行采样，它将不会再次采样。
根据您的评论：
样本已经是
a。我想直接使用a，这样我就可以控制还剩下多少元素并使用a执行其他操作。 – 快乐派
在删除 n 随机选择的元素后，您似乎对使用 a 感兴趣。相反，为什么不使用N = len(a) - n 从a 中随机选择的元素呢？由于您希望它们仍保持原始顺序，因此您可以从@CTZhu 的答案中的索引中进行选择，然后对它们进行排序并从原始列表中获取：
import numpy as np
n = 3 #number to 'remove'
a = np.array([1,4,1,3,3,2,1,4])
i = np.random.choice(np.arange(a.size), a.size-n, replace=False)
i.sort()
a[i]
#array([1, 4, 1, 3, 1])
所以现在您可以再次将其另存为a：
a = a[i]
并使用 a 删除 n 元素。
【讨论】：
这是找出随机选择元素的索引的一种方法：
import random # plain random module, not numpy's
random.choice(list(enumerate(a)))[0]
=> 4 # just an example, index is 4
或者您可以在一个步骤中检索元素和索引：
random.choice(list(enumerate(a)))
=> (1, 4) # just an example, index is 1 and element is 4
【讨论】：
list(enumerate(a)) 产生一个元组列表，它被认为是一个二维数组对象。这行不通。
random.choice 测试了它，而不是np.random.choice。如果您必须绝对使用np.random.choice，那么我的答案将不起作用，我将其删除。但是，如果您使用普通的旧 random.choice（来自 random 模块），它会起作用。