查找numpy数组中True值的索引及np.random.choice使用问题

np.random.choice仅支持输入一维数组，直接传入二维数组会报错，针对你的二维布尔数组，可根据需求选择以下处理方式：

方式一：随机选择数组中的任意元素 #

先将二维数组扁平化转为一维，再调用np.random.choice：

import numpy as np

a = np.array([
    [False, False, False, False, False, False, False, False, False, False],
    [False, False, False, False, False, False, False, False, False, False],
    [False, False, False, True, True, False, False, False, False, False]
])

# 扁平化二维数组
flat_a = a.flatten()
# 随机选取一个元素
random_item = np.random.choice(flat_a)

方式二：随机选择一个值为True的元素位置 #

如果需要定位数组中True元素的位置，可先获取所有True的索引，再随机选取：

# 获取所有True元素的二维坐标
true_positions = np.argwhere(a)
# 随机选择一个坐标的索引
random_idx = np.random.choice(true_positions.shape[0])
# 得到选中的True元素位置
selected_pos = true_positions[random_idx]
# 也可直接取出该位置的元素（结果必为True）
selected_true = a[selected_pos[0], selected_pos[1]]

也可以通过扁平化索引实现：

# 生成扁平化后的全局索引
all_indices = np.arange(a.size)
# 筛选出对应True元素的扁平化索引
true_flat_indices = all_indices[a.flatten()]
# 随机选一个扁平化索引
random_flat_idx = np.random.choice(true_flat_indices)
# 转换为二维坐标
row = random_flat_idx // a.shape[1]
col = random_flat_idx % a.shape[1]
selected_pos = (row, col)

内容的提问来源于stack exchange，提问作者user20530243