Python以指定概率获取元素这是Python cookbook的⽰例
1 def random_pick(some_list,probabilities):
2  　x=random.uniform(0,1)
3  　cumulative_probability=0.0
4  　for item,item_probability in zip(some_list,probabilities):
5    　cumulative_probability+=item_probability
6    　if x < cumulative_probability: break
7  　return item
什么意思呢?
random.uniform(0,1)->⽣成0.0到1.0之间的伪随机数，之后循环元素及其概率，计算累积概率.
如:random_pick([1,2,3,4],[0.1,0.2,0.3,0.4])
当x处于0.0到0.1之间，则输出1
当x处于0.1到0.3之间，则输出2
...........
在这⾥可以做个测试:
def test_random(nu):
a=[1,2,3,4]
b=[0.1,0.2,0.3,0.4]
re=dict(zip(a,[0]*4))
for x in xrange(nu):
result=random_pick(a,b)
re[result]+=1
random python
for v,value in re.iteritems():
re[v]=float(value)/nu
return re
print test_random(100000)
结果:
{1: 0.099250000000000005, 2: 0.19950999999999999, 3: 0.30030000000000001, 4: 0.40094000000000002}
另⼀个有点类似的任务是根据⼀个⾮负整数的序列所定义的权重进⾏随机撷取---基于机会,⽽不是概率import random
def random_picks(sequence,relative_odds):
  table=[z for x,y in zip(sequence,relative_odds) for z in [x]*y]
  while True:
    yield random.choice(table)
x=random_picks('ciao',[1,1,3,2])
import itertools
print ''.join(itertools.islice(x,8))
输出:
oooocaco
这⾥我们也做个测试:
result=''.join(itertools.islice(x,100000))
unt('c')
unt('i')
unt('a')
unt('o')
min=min(c,i,a,o)
print float(c)/min,':',float(i)/min,':',float(a)/min,':',float(o)/min
输出:
1.0: 1.021*******: 3.00316122234:
2.00070249385
这两个例⼦有什么区别呢?
第⼀个例⼦要求som_list的长度和probabilities的长度⼀致，以及所有元素的概率相加为1.0⽽第⼆个例⼦需要⾮负整数.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。