#numpyでのrandom.choice（）関数
numpy.random.choice（a、サイズ=なし、置換= True、p =なし）
a：1次元配列の場合、この1次元配列からランダムにサンプリングされることを意味します。これはint型であり、0からa-1までのシーケンスでランダムにサンプリングすることを意味します。
サイズ：サンプリング結果の数。デフォルトは1です。これは、サンプリングするサンプルの数を示す整数にすることもできます。（m、n、k）などのタプルにすることもできます。サンプリングするサンプルの数はm * n * kで、サイズは（ m、n、k）。
replace：ブール型、サンプリングされたサンプルを置き換える必要がありますか？この場所がよくわかりません。replaceがTrueに指定されている場合、サンプリングされた要素が繰り返され、ReplaceがFalseに指定されている場合、サンプリングが繰り返されないことがテストでわかりました。
p：aの各要素のサンプリング確率を指定する1次元配列。Noneの場合、aの各要素のサンプリング確率は同じです。
–元のリンクから転載：https://blog.csdn.net/qq_25436597/article/details/79815800
＃subplot（）関数を呼び出してサブプロットを作成すると、プログラムはサブプロットに描画できます。サブプロット（nrows、ncols、index、** kwargs）関数のnrowsパラメーターは、データグラフ領域が分割される行数を指定します; ncolsパラメーターは、データグラフ領域が分割される列数を指定します; indexパラメーターは、取得する領域数を指定します。—
元のリンクから転載：
https
://blog.csdn.net/fei347795790/article/details/94330592追加：ここで、sharexおよびshareyパラメータは2つのサブ画像間の空白の距離を参照する必要があると個人的に考えています
