Есть множество подходов со всеми своими плюсами и минусами.Я не буду перечислять их все.
Об этом должно быть легко рассуждать, и оно не самое медленное, но, вероятно, и не самое быстрое, поскольку мы используем два необычных шага индексации (еще одна причина здесьчтобы на самом деле прочитать документацию!):
Код
import numpy as np
N = 10
a, b, c = 0.4, 0.4, 0.2
def build_mat(N, a, b, c):
n_a = int(N * N * a)
n_b = int(N * N * b)
n_c = N - n_a - n_b
rng_nonzero_inds_1d = np.random.choice(N*N, n_a + n_b, replace=False)
mat = np.zeros(N*N)
mat[rng_nonzero_inds_1d[:n_a]] = 1
mat[rng_nonzero_inds_1d[n_a:]] = 2
return mat.reshape((N,N))
mat = build_mat(N, a, b, c)
print('A: ', np.count_nonzero(mat==1))
print('B: ', np.count_nonzero(mat==2))
print('C: ', np.count_nonzero(mat==0))
print(mat)
Вывод
A: 40
B: 40
C: 20
[[ 1. 1. 2. 0. 2. 1. 0. 2. 1. 2.]
[ 2. 1. 2. 1. 0. 1. 1. 0. 2. 0.]
[ 0. 2. 1. 1. 2. 0. 2. 2. 2. 2.]
[ 1. 0. 2. 1. 2. 2. 0. 1. 2. 0.]
[ 1. 2. 1. 1. 2. 1. 2. 1. 2. 0.]
[ 2. 0. 1. 2. 2. 1. 1. 2. 2. 1.]
[ 0. 2. 1. 1. 2. 1. 1. 2. 0. 2.]
[ 2. 2. 1. 2. 1. 2. 1. 1. 0. 0.]
[ 2. 1. 1. 0. 0. 1. 2. 1. 1. 1.]
[ 1. 1. 2. 2. 1. 2. 2. 0. 0. 1.]]