Python 中随机绘制列表中多个对象的高效方法

给定一个列表和对应的概率列表，如何高效地从列表中随机选取一定数量的对象？

例如：

aList = [3,4,2,1,4,3,5,7,6,4]
MyProba = [0.1,0.1,0.2,0,0.1,0,0.2,0,0.2,0.1]

其中，aList 中的每个元素都有一个对应的概率值，表示该元素被选中的概率。

传统的方法是通过循环遍历列表，并根据概率值随机选择元素。然而，这种方法对于长列表和大量的抽取次数来说非常低效。

解决方案

为了提高效率，可以使用沃克别名法 (Walker’s alias method) 来进行随机选择。沃克别名法是一种预处理方法，它可以将随机选择的复杂度从 O(n) 降低到 O(1)，其中 n 是列表的长度。

沃克别名法的基本原理是将列表中的元素分成两组：

1. 主组：该组中的元素的概率大于或等于 0.5。
2. 次组：该组中的元素的概率小于 0.5。

主组中的元素可以直接选择，而次组中的元素需要通过转换才能选择。转换过程如下：

1. 将次组中的每个元素与主组中的一个元素配对。
2. 将次组中元素的概率添加到与其配对的主组元素的概率中。
3. 将次组中的元素从列表中删除。

最终，列表中只剩下主组中的元素，并且每个元素的概率都大于或等于 0.5。此时，就可以通过随机生成一个 0 到 1 之间的值来选择一个元素。如果生成的随机值小于等于某个元素的概率，则选择该元素；否则，继续生成随机值，直到选择到一个元素。

下面是使用沃克别名法实现随机选择的代码示例：

import random

def alias_sample(probabilities):
  """
  根据概率值列表生成一个随机变量的采样函数。

  参数：
    probabilities: 一个列表，其中包含每个元素的概率值。

  返回：
    一个函数，该函数可以从给定的概率值列表中生成一个随机变量的采样值。
  """

  n = len(probabilities)
  # 计算主组和次组中的元素
  main_group = []
  secondary_group = []
  for i, p in enumerate(probabilities):
    if p >= 1.0:
      main_group.append(i)
    else:
      secondary_group.append(i)

  # 构建别名表
  alias_table = [None] * n
  for sg_element in secondary_group:
    mg_element = random.choice(main_group)
    alias_table[sg_element] = mg_element
    probabilities[mg_element] -= (1.0 - probabilities[sg_element])

  # 规范化概率值
  for i in range(n):
    probabilities[i] /= n

  def sample():
    """
    从给定的概率值列表中生成一个随机变量的采样值。

    返回：
      一个随机变量的采样值。
    """

    # 生成一个随机数
    r = random.random()

    # 根据随机数选择主组或次组
    if r < sum(probabilities[mg for mg in main_group]):
      return random.choice(main_group)
    else:
      sg_index = random.choices(range(len(secondary_group)), probabilities)[0]
      return alias_table[secondary_group[sg_index]]

  return sample


# 测试代码
aList = [3,4,2,1,4,3,5,7,6,4]
MyProba = [0.1,0.1,0.2,0,0.1,0,0.2,0,0.2,0.1]

# 创建随机选择函数
random_sample = alias_sample(MyProba)

# 进行 10 次随机选择
nb_draws = 10
list_of_drawn_elements = []
for one_draw in range(nb_draws):
  list_of_drawn_elements.append(random_sample())

print(list_of_drawn_elements)

使用沃克别名法可以大大提高随机选择的效率，特别是对于长列表和大量的抽取次数的情况。