Python不重复批量随机抽样 random.sample() 和 numpy.random.choice() 的优缺点

对比

python中random.sample()方法可以随机地从指定列表中提取出N个不同的元素，列表的维数没有限制。

有文章指出：在实践中发现，当N的值比较大的时候，该方法执行速度很慢。可以用numpy random模块中的choice方法来提升随机提取的效率。

（有问题，从该文章看不出来random.sample方法比choice方法慢多少，我自己仿真倒是发现random.sample方法比choice方法快的多，后面会举例说明）

numpy.random.choice() 对抽样对象有要求，必须是整数或者一维数组（列表），不能对超过一维的数据进行抽样，这是其缺点。

random.sample() 和 numpy.random.choice() 的优点都是可以指定抽样的个数，一次性从列表中不重复地抽样出指定个数的元素，其中 random.sample()默认就是不重复抽样（不放回的抽样），而numpy.random.choice()默认是可以重复抽样，要想不重复地抽样，需要设置replace参数为False，用法如下：

补充

前面说random.sample方法比choice方法快的多，下面附图为证。

更新（20201105）

有博友留言说，numpy.random.choice()与 random.sample() 两者适合的情况不同，建议增加抽样数量再试试，下面是逐步增加抽样数量后的结果。

列表元素为100000个，抽样个数为9。

抽样个数为1000。

抽样个数为10000。

抽样个数为50000。

从以上实验来看，numpy.random.choice()抽样方法的时间几乎不会随着抽样数量的变化而变化，而random.sample() 会随着抽样数量的增加而增加。所以当数量较少的时候，random.sample() 用时非常少，而numpy.random.choice()则很长；当抽样数量很大的时候，numpy.random.choice()几乎不变，而random.sample() 用时变长。

简单绘制一下测试结果，如下所示

从图上可以看到，numpy.random.choice()的用时确实保持不变，而random.sample() 用时会随着抽样比例的增加而线性增长。

总结

从对象类型上看，random.sample方法比numpy.random.choice方法适用范围广。

从速度上看，当抽样数量小的时候，random.sample方法比numpy.random.choice方法快很多；当抽样数量很大的时候，random.sample方法就不如numpy.random.choice方法了。