如何在NumPy的4维数组中随机抽取6000个样本？

你完全可以针对数组的**样本维度（第一个维度，共25036个样本）**生成随机索引，再用这些索引提取样本，根本不需要重塑数组：

方法1：无放回随机抽样（推荐，避免重复选到同一样本） #

import numpy as np

# 生成6000个不重复的随机索引，范围覆盖所有样本
random_indices = np.random.choice(train_images.shape[0], size=6000, replace=False)
# 通过索引提取样本，结果保持(6000, 12, 15, 15)的形状
selected_train_images = train_images[random_indices]

方法2：有放回随机抽样（允许重复选到同一样本） #

如果你的场景允许重复抽取同一样本，只需修改replace参数：

random_indices = np.random.choice(train_images.shape[0], size=6000, replace=True)
selected_train_images = train_images[random_indices]

方法3：用随机排列实现无放回抽样 #

另一种等价的无放回抽样方式是先打乱所有样本的索引，再截取前6000个：

shuffled_indices = np.random.permutation(train_images.shape[0])
selected_train_images = train_images[shuffled_indices[:6000]]

为什么这个思路能解决问题？ #

np.random.choice报错是因为你直接传入了多维数组，但它默认只能处理一维数组。而我们真正要随机选择的是第一个维度的完整样本，所以只需要生成该维度的随机索引，再通过numpy的索引切片功能提取对应样本即可，全程不会改变数组的维度结构。

内容的提问来源于stack exchange，提问作者Kalu Samuel