Python随机选择与“百分比”

Question

前言

看起来这可能是几个stackoverflow问题的重复，但我的情况（可能）略有不同。

我的情况

我有一个字典。 键 是一个 字符串，值 是一个 整数。

我希望Python脚本可以随机选择 N 个 键。

值表示被选择的可能性大小。 键的值越高，被随机选择的概率就越高。

我的解决方案

因此，使用其他StackOverflow帖子和互联网的力量，我成功地使用了加权随机来解决它。

DICT_VAR= {'best':308281009, 'good':7066325, 'meh':26884, 'bad':71, 'terrible':16, 'never':0}

list_var = []
for i in DICT_VAR.keys():
    list_var.extend([i]*DICT_VAR[i])

print random.sample(list_var, 2) # get 2 random choice I suppose

问题（陷阱）

正如您所注意到的，字典中的值可能非常大（可以无限大），也可能小至0（零是最小值，没有负数）。

运行这段代码（使用稍大的数字）导致我的计算机冻结并无响应，直到我强制重启。

我的问题

我该如何处理这种情况？是否有其他适合我情况的随机选择方法，因为加权随机是当前情况下最糟糕的解决方案。

- Programer Beginner

Answer 1

在这里，我假设0的值意味着该键永远不应该被选择，在样本中可能会重复使用这些键（在字典中是无关紧要的），我们可以使用第三方模块——numpy。以下是在Python 3.6.4中测试过的代码，但我已经修改了它，所以它应该可以在Python 2.7中运行，但我无法以这种方式进行测试。

DICT_VAR= {'best':308281009, 'good':7066325, 'meh':26884, 'bad':71,
           'terrible':16, 'never':0}

import numpy as np

keys, weights = zip(*DICT_VAR.items())
probs = np.array(weights, dtype=float) / float(sum(weights))
sample_np = np.random.choice(keys, 2, p=probs)
sample = [str(val) for val in sample_np]

然后sample将你的样本作为一组关键字符串列表进行保存。注意，由于与其他权重相比，关键字'best'的权重要大得多，因此你的样本几乎总是['best', 'best']。

解释我的代码：先将字典的键（字符串）和值（权重）分别拆分成不同的列表。然后将权重转换为概率--较大的权重给出较大的概率，零权重给出零概率。接着使用numpy的choice函数使用权重来选择一组关键字的样本。结果是一个numpy数组，但你似乎想要一个标准的Python列表，所以最后一行将关键字样本转换为标准列表。

当然，有一种相当短的例程可以用标准Python编写，因此我们可以避免使用numpy。但它可能会更慢。

你的例程之所以慢是因为它构建了一个大列表，每个键都重复了其值给出的次数，然后从中使用均匀概率选择一组样本。对于你的样本数据，这意味着构建一个巨大的列表，比可用的RAM还要大得多，并且需要花费很长时间。Numpy的选择例程可以直接处理非均匀随机分布，而无需构建另一个列表。

- Rory Daulton

---

是的，你的假设大多是正确的。如果值为0，则不会选择该键。这些密钥是唯一的，但我认为这不会影响你的代码，对吧？是的，只要模块在Windows机器上受支持并且适用于Python 2.7（最好可以使用pip安装），那就没问题了。 - Programer Beginner

我正在运行Python 3.6.4，没有Python 2.7安装的权限。Numpy可以在2.7中运行，但显然有些不同，可能是在numpy中或者是在我的代码中。（我想我已经找到了原因——除法——请尝试我的新代码。）“键可能重复”是指一个给定的键可以在样本中出现多次。它是否在输入字典中唯一是无关紧要的。 - Rory Daulton

Answer 2

在Py 3.6中，这是标准库的一部分，使用random.choices()函数：

In []:
import random
random.choices(list(DICT_VAR.keys()), DICT_VAR.values(), k=2)

Out[]:
['best', 'best']

或者稍微更神秘一些：

random.choices(*zip(*DICT_VAR.items()), k=2)

- AChampion