如何在 Python 中實現加權隨機選擇？

---

Python 是一種靈活且有效的程式語言，它提供了大量底層功能和庫來改進複雜的編碼任務。其中一項任務是執行加權隨機選擇，這是一種統計學方法，其中每個專案都有一個預定義的被選中的機率。與簡單隨機選擇（每個專案都有相同的被選中機率）不同，加權隨機選擇允許我們指定每個專案被選中的機率，並且這些機率可能不同。本文旨在全面瞭解如何在 Python 中實現加權隨機選擇。

語法

在 Python 中實現加權隨機選擇的主要方法是 random.choices()。以下是其基本語法：

random.choices(population, weights=None, cum_weights=None, k=1)

• population 是一個必要的元件。這是您將從中進行選擇的列表。

• weights 是一個可選欄位。一個權重列表，與 population 列表中的每個成員相對應。

• cum_weights 是一個完全可選的欄位。一個累積權重列表。

• k 是一個可選欄位。一個整數，指定要選擇的專案數量。預設為 1。

演算法

為了更好地理解加權隨機選擇的操作，請遵循以下分步演算法：

• 在 Python 中匯入 random 模組。

• 定義 population，一個您希望從中選擇的元素列表。

• 定義 weights，一個與 population 中每個元素對應的機率列表。確保權重與 population 的元素相對應。

• 使用 random.choices() 方法，指定 population、weights 和要選擇的元素數量。

• 執行程式碼並分析結果。

方法 1：使用 random.choices()

使用帶 weights 引數的 random.choices() 方法：此方法使用 Python 的內建函式，明確提供每個元素的權重。

示例

import random

population = ['Red', 'Blue', 'Green']
weights = [0.6, 0.3, 0.1]

chosen = random.choices(population, weights, k=5)
print(chosen)

輸出

['Red', 'Green', 'Blue', 'Blue', 'Blue']

解釋

此 Python 指令碼利用了隱式隨機模組，更具體地說是 random.choices() 函式，以從先前定義的列表中生成加權隨機選擇。列表“population”包含以下可選專案：“Red”、“Blue”和“Green”。“weights”列表表示以以下比例選擇每個元件的機率：分別為 60%、30% 和 10%。該指令碼透過呼叫 random.choices 功能並使用適當的引數來選擇 5 個隨機專案（來自“population”變數）並考慮已定義的“weights”。“k”引數的值表示要從池中選擇的專案數量。然後列印選定的專案。

方法 2：使用 numpy.random.choice()

使用 numpy.random.choice()：此方法適用於 numpy 庫，這是一個用於數值運算的強大工具，它也支援加權隨機選擇。

示例

import numpy as np

population = ['Red', 'Blue', 'Green']
weights = [0.6, 0.3, 0.1]

chosen = np.random.choice(population, 5, p=weights)
print(chosen)

輸出

['Red' 'Red' 'Red' 'Red' 'Blue']

解釋

為了執行加權隨機選擇，此指令碼利用了 numpy 庫並呼叫了 numpy.random.choice() 函式。“population”和“weights”列表與第一個程式碼中定義的方式相同。但是，在此方法中，機率引數由字母“p”表示，而不是“weights”。該指令碼透過呼叫 np.random.choice 函式並使用引數 population、5 和 p=weights 從“population”變數中選擇 5 個隨機專案。此選擇基於指定的機率。與第一個程式碼生成列表不同，此程式碼生成一個包含所有選定元素的 numpy 陣列。

結論

在本文中，我們探討了在 Python 中實現加權隨機選擇的兩種主要方法，利用內建函式和外部庫。使用 random.choices() 和 numpy.random.choice() 方法，您可以有效地操作列表中每個元素的機率，從而對隨機選擇提供更大的控制。

理解和正確實現加權隨機選擇在各種場景中都至關重要，從簡單的遊戲到複雜的資料科學任務，因為它反映了生活中機率的不均勻分佈。透過掌握此技術，您將為您的 Python 程式設計工具包新增一個關鍵工具。

請記住，random.choices() 函式和 numpy.random.choice() 不僅限於加權隨機選擇 - 它們提供了更多功能。您可以深入研究這些庫以釋放 Python 的全部潛能。請記住，練習是掌握任何概念的關鍵，因此請繼續編碼並不斷探索！