Question

给定元组列表a：

a =[(23, 11), (10, 16), (13, 11),  (12, 3), (4, 15), (10, 16), (10, 16)]

我们可以使用Counter计算每个元组的出现次数：

>>> from collections import Counter
>>> b = Counter(a)
>>> b
Counter({(4, 15): 1, (10, 16): 3, (12, 3): 1, (13, 11): 1, (23, 11): 1}

现在，我们的想法是从列表中选择3个随机元组，不重复，这样计数就决定了选择特定元组的概率。

例如，(10, 16)比其他人更有可能被选中 - 它的权重是3/7，而其他四个元组的权重是1/7。

我尝试使用np.random.choice：

a[np.random.choice(len(a), 3, p=b/len(a))]

但是我无法生成元组。

我在尝试：

a =[(23, 11), (10, 16), (13, 11),  (10, 16), (10, 16), (10, 16), (10, 16)]
b = Counter(a)
c = []
print "counter list"
print b
for item in b:
    print "item from current list"
    print item
    print "prob of the item"
    print (float(b[item])/float(len(a)))

    c.append(float(b[item])/float(len(a)))

print "prob list"
print c

print (np.random.choice(np.arange(len(b)), 3, p=c, replace=False))

在这种情况下，即可得到数组的随机索引。

有没有更优化的方法不必计算概率数组？
还有一个问题是prob数组与Counter数组不对应。

Answer 1

如果您对计算频率的中间步骤不感兴趣，可以使用random.shuffle（在列表或副本上），然后根据需要切掉多个项目。

e.g。

import random
a =[(23, 11), (10, 16), (13, 11),  (12, 3), (4, 15), (10, 16), (10, 16)]
random.shuffle(a)
random_sample = a[0:3]
print(random_sample)

随着shuffle重新排序，它将避免重复问题，并且统计上应该给出相同的结果（不包括np和随机数之间随机数生成的差异）。

Answer 2

这样就可以了解

from collections import Counter
import matplotlib.pyplot as plt
import numpy as np
import random

listOfNumbers =[(23, 11), (10, 16), (13, 11),  (10, 16), (10, 16), (10, 16), (10, 16)]
b = Counter(listOfNumbers)
c = []
pres=[]
for k,v in b.most_common():
    c.append(float(v)/float(len(listOfNumbers)))
    pres.append(k)

resultIndex = np.random.choice(np.arange(len(b)), 3, p=c, replace=False)

ass=[]
for res in resultIndex:
    ass.append(pres[res])

print ass

现在只是看看有没有办法优化它。

Answer 3

您可以重复以下步骤3次：

在i范围内随机选择一个[0..n-1]，其中n是a中当前的元素数。
在初始tuple列表中的i位置找到a。将tuple添加到生成的三元组中。
从tuple删除所有a。

当a可以为空时，请注意角落情况。

列表的总时间复杂度为 O（n）。

在第一步中，应根据常规i提供的统一分布生成数字random。 a中特定元组的出现次数越多，选择的次数就越多。

从列表中生成随机加权元组列表

3 个答案: