python - それらの値によるサンプリングキー

Question

key->valueが。のPythonの辞書がありますstr->int。独自の値に基づいてキーを選択する必要がある場合、値が大きくなると、キーが選択される可能性が低くなります。

たとえば、との場合key1=2、key2->1の態度はであるkey1必要があります2:1。

これどうやってするの？

Answer 1

値が gnibler のアプローチに対して大きすぎる場合:

tuplesのリストを作成します。(key, index)ここで、 はリスト内の key の前にあるすべての値の合計です (これは、ニブラーのリストindexの最初の出現のインデックスになります。また、すべての値の合計を計算します ( )。keycn

x次に、 0 ～ の間の乱数を生成しn - 1ます。でリストの最後のエントリを見つけますindex < x。リストはインデックスでソートされているため、バイナリ検索を使用して効率的にソートできます。

更新: KennyTM のコードはこれを実装したものですが、彼は二分探索ではなく力ずくの線形探索を使用しています。キーの数が多い場合、これは非効率的です。

Answer 2

値が大きすぎない場合は、このようにすることができます

>>> from random import choice
>>> d={"key1":2,"key2":1}
>>> c=[]
>>> for k,v in d.items():
...  c+=[k]*v
... 
>>> choice(c)
'key1'
>>> sum(1 for x in range(100) if choice(c)=="key1")
63
>>> sum(1 for x in range(100) if choice(c)=="key2")
36

Answer 3

1.次のように CDF のようなリストを作成します。

def build_cdf(distrib):
    cdf = []
    val = 0
    for key, freq in distrib.items():
        val += freq
        cdf.append((val, key))
    return (val, cdf)

この関数はタプルを返します。最初の値は確率の合計で、2 番目の値は CDF です。

2.サンプラーを次のように構築します。

import random
def sample_from_cdf(val_and_cdf):
    (val, cdf) = val_and_cdf;
    rand = random.uniform(0, val)
    # use bisect.bisect_left to reduce search time from O(n) to O(log n).
    return [key for index, key in cdf if index > rand][0]

使用法：

x = build_cdf({"a":0.2, "b":0.3, "c":0.5});
y = [sample_from_cdf(x) for i in range(0,100000)];
print (len([t for t in y if t == "a"]))   # 19864
print (len([t for t in y if t == "b"]))   # 29760
print (len([t for t in y if t == "c"]))   # 50376

これをクラスにしたいかもしれません。

Answer 4

oefe と KennyTM の回答からのアルゴリズムの迅速でシンプルなバージョン:

def select_weighted(d):
   offset = random.randint(0, sum(d.itervalues())-1)
   for k, v in d.iteritems():
      if offset < v:
         return k
      offset -= v