np.random.choice只支持1D输入，多维数组需先reshape(-1)展平再抽样，或抽索引后用arr.flat[indices]取值；按行抽样应生成行索引再直接索引。
np.random.choice 抽样时数组变一维了怎么办
直接对多维 ndarray 调用 np.random.choice 会报错或静默展平——它只接受 1D 输入。这不是 bug，是设计如此：该函数底层操作的是索引序列，不理解高维结构。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
arr.reshape(-1)显式展平，抽样后再用.reshape()恢复形状（如果需要保持维度） - 更安全的做法是抽索引而非值：
indices = np.random.choice(arr.size, size=10, replace=False)，再通过arr.flat[indices]或arr.ravel()[indices]取值 - 若需按行/列抽样，改用布尔索引或
np.random.permutation配合切片，比如随机取 3 行：arr[np.random.permutation(arr.shape[0])[:3]]
replace=False 时抽样数量超过数组长度就崩溃
这是最常被忽略的报错点：ValueError: Cannot take a larger sample than population when 'replace=False'。不是数据问题，是参数冲突。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 抽样前务必检查：
if size > len(arr) and not replace:，然后决定降size、开replace=True，或提前抛出提示 - 若业务上允许重复但想避免显式重复值，可先用
np.unique(arr)去重再抽，但注意这会改变原始分布 - 对大数组做无放回抽样时，
np.random.Generator.choice（NumPy ≥ 1.17）比旧版np.random.choice更快且支持更多选项
从二维数组中按行随机选子集（不展平）
想保留原始 shape，比如从 100×5 的矩阵里随机挑 10 行组成新矩阵，np.random.choice 本身不提供 axis 参数，得绕一下。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 生成行索引：
row_indices = np.random.choice(arr.shape[0], size=10, replace=False) - 直接索引：
sampled = arr[row_indices]—— 这是最简洁、最高效的方式 - 别用
np.take(arr, row_indices, axis=0)，虽然等价，但多一层封装，可读性反而下降 - 若需同时抽行和列，分两步：
arr[np.ix_(row_indices, col_indices)]，np.ix_是关键
seed 设置无效？多次运行结果总不一样
常见于混用老接口和新 Generator：全局 np.random.seed() 不影响 np.random.default_rng() 创建的实例。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 统一用新范式：
rng = np.random.default_rng(seed=42)，然后调用rng.choice(...) - 旧代码迁移时，检查是否写了
np.random.seed(42); np.random.choice(...)—— 这种写法在 NumPy ≥ 1.17 仍有效，但已被标记为 legacy - 测试时若发现 seed 不生效，打印
np.random.get_state()[1][0]（旧接口）或rng.bit_generator.state['state']['state']（新接口）确认状态是否真被重置
高维采样的真正难点不在函数调用，而在明确“你到底想对哪个维度做随机操作”——是把整个数组当池子，还是按轴理解结构。一旦混淆，后续 reshape 或索引就容易出错。
