如何从MNIST数据集中随机抽取约2000条样本？

首先先修正你代码里的一个小笔误：x_train.shape的正确输出应该是(60000, 784)，不是748，应该是手滑打错啦😉

下面给你几种简单可靠的方法来实现随机抽取2000条样本的需求：

方法1：使用NumPy的随机索引选择 #

这是最直接的方式，利用numpy.random.choice生成不重复的随机索引，精准提取目标样本：

import numpy as np
import matplotlib.pyplot as plt
from keras.datasets import mnist

# 加载并预处理MNIST数据
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train = x_train.reshape(60000, 784) / 255
x_test = x_test.reshape(10000, 784) / 255

# 定义要抽取的样本数量
sample_size = 2000
# 生成不重复的随机索引，避免抽到同一条数据
random_indices = np.random.choice(x_train.shape[0], sample_size, replace=False)
# 根据索引抽取样本和对应的标签
x_train_sample = x_train[random_indices]
y_train_sample = y_train[random_indices]

# 验证结果
print(x_train_sample.shape)  # 输出：(2000, 784)
print(y_train_sample.shape)  # 输出：(2000,)

方法2：使用Scikit-learn的train_test_split #

如果你的项目已经用到了scikit-learn，这个方法更简洁，还能保证样本的类别分布和原数据集一致：

from sklearn.model_selection import train_test_split
import matplotlib.pyplot as plt
from keras.datasets import mnist

# 加载并预处理数据步骤同上...

# 拆分出2000条样本，stratify参数保证类别分布与原数据一致
x_train_sample, _, y_train_sample, _ = train_test_split(
    x_train, y_train, test_size=2000, random_state=42, stratify=y_train
)

# random_state固定随机种子，方便实验复现
print(x_train_sample.shape)  # 输出：(2000, 784)

方法3：先打乱数据集再取前2000条 #

这种方式逻辑直观，先打乱整个数据集的顺序，再截取前2000条即可：

import numpy as np
import matplotlib.pyplot as plt
from keras.datasets import mnist

# 加载并预处理数据步骤同上...

# 生成打乱后的索引数组
shuffled_indices = np.random.permutation(x_train.shape[0])
# 截取前2000条样本
x_train_sample = x_train[shuffled_indices[:2000]]
y_train_sample = y_train[shuffled_indices[:2000]]

print(x_train_sample.shape)  # 输出：(2000, 784)

小提醒： #

• 如果需要固定随机结果（方便复现实验），可以给随机函数设置种子，比如np.random.seed(42)。
• replace=False参数（方法1中）确保不会重复抽取同一条样本，这是大多数场景下的合理选择。

内容的提问来源于stack exchange，提问作者Harlinton Palacios Mosquera