可以将np.random.choice与[0,1]列表一起使用，也可以将np.random.radint与0,2范围一起使用

In [1]: import numpy as np                                                                                                                                                                                                 

In [2]: np.random.choice([0,1])                                                                                                                                                                                            
Out[2]: 0

In [5]: np.random.choice([0,1])                                                                                                                                                                                            
Out[5]: 1

In [8]: np.random.randint(2)                                                                                                                                                                                             
Out[8]: 0

In [9]: np.random.randint(2)                                                                                                                                                                                             
Out[9]: 1

也可以使用random模块来实现这些函数的等效功能

您可以使用numpy.random.random_integers

random_int= np.random.random_integers(0,1)
print (random_int)

您可以使用np.random.randint(low, high=None, size=None)。

>>> np.random.randint(0,2,10)
array([0, 1, 1, 0, 1, 1, 0, 0, 1, 0])
>>> np.random.randint(2)
0
>>> np.random.randint(2)
1

有关详细信息，请参阅https://docs.scipy.org/doc/numpy/reference/generated/numpy.random.randint.html

你应该考虑使用np.random.randint()这个函数需要一个范围作为输入。例如，

>>> np.random.randint(2)

这将为您提供0或1的输出

为了补充其他答案，可以简单地做

p_True = 0.5 # 50% probability that you get 1
your_bool = p_True >= np.random.rand() # >= because rand returns a float between 0 and 1, excluding 1.

通过改变p_true，可以得到有偏差的样本。

是否有理由专门使用np.random.rand？此函数输出一个浮点数，如问题和前面的答案中所述，您需要阈值处理来获得一个int。
scipy.stats.bernoulli(p)直接输出概率为p的1和概率为1-p的0。

你可以使用np.random.choice和一个[0，1]的列表以及一个大小来得到一个随机选择矩阵，如下所示：

In [1]: import numpy as np

In [2]: np.random.choice([0,1], size=(3,4))
Out[2]: array([[1, 0, 0, 0],
               [0, 1, 1, 0],
               [1, 1, 1, 1]])