10.20 水塘抽样（Reservoir Sampling)

当内存无法加载全部数据时，如何从包含未知大小的数据流中随机选取k个数据，并且要保证每个数据被抽取到的概率相等？

水塘抽样

主要用于解决大数据流中的随机抽样问题，即：当内存有限，数据长度很大，甚至未知，那么如何从中随机选取k个数据，并且要求是等概率。

算法核心

水塘抽样的核心是，只遍历一次，每次都考虑一个问题：当前元素是否被选中，选中后替换之前选中的哪一个元素。
如果要随机选择K个元素，那么在遍历到第i个元素时，以k/i的概率选择该元素。

采样过程：集合中总元素个数为n，随机选取k个元素
step1.首先将前k个元素全部选取。
step2.对于第i个元素(i>k)，以概率k/i来决定是否保留该元素，如果保留该元素的话，则随机丢弃掉原有的k个元素中的一个(即原来某个元素被丢掉的概率是1/k)。
结果：每个元素被最终被选取的概率都是k/n。

数学原理

在遍历到第i个元素时，如果以k/i的概率保留，并且使得最终被选中，那么之后的n-i个元素都要不被替换才行。

注意，在第i+1个元素时，第i个元素不被替换的概率，也就是第i+1个元素不被保留的概率是1-k/(i+1)*1/k，后面这个1/k表示在result数组中等概率被替换到。

即：

个元素被都是以概率k/n，等概率的被选择到。由于水塘抽样必须遍历一次所有数据，所以时间复杂度是O(n)。

代码实现

两种情况：
当k=1时：

def reservoirS1(arr):
	res=arr[0]
	i=1
	while i<len(arr):
		# 概率1/i选取第i个元素作为结果
		r=random.randint(0,i)
		if r==0:
			res=arr[i]
		i+=1
	return res

当k>1时：

def reservoirS2(arr):
	res=arr[：k]
	i=k
	while i<len(arr):
		# 以k/i的概率选取第i个元素，用来等概率的替换之前选中的1个元素
		r=random.randint(0,i)
		if r<k:
			res[r]=arr[i]
		i+=1
	return res

rand()问题

(在LeetCode上做的题是用c++写的，刚开始一直没想明白一个题解里的这句话啥意思：

if(num==target){
	if(rand()%count==0){
		res=i;
     }

rand()的用法：
rand()不需要参数，它会返回一个从0到最大随机数的任意整数，最大随机数的大小通常是固定的一个大整数。
如果你要产生0~10的10个整数，可以表达为：
int N = rand() % 11;
这样，N的值就是一个0-10的随机数，如果要产生1-10，则是这样：
int N = 1 + rand() % 10;
总结来说，可以表示为：
a + rand() % n
其中的a是起始值，n是整数的范围。
　　a + rand() % (b-a+1) 就表示　ａ～ｂ之间的一个随机数
若要0-1的小数，则可以先取得0-10的整数，然后均除以10即可得到随机到十分位的10个随机小数，若要得到随机到百分位的随机小数，则需要先得到0~100的10个整数，然后均除以100，其它情况依
此类推。
通常rand()产生的随机数在每次运行的时候都是与上一次相同的，这是有意这样设计的，是为了便于程序的调试。若要产生每次不同的随机数，可以使用srand( seed )函数进行随机化，随着seed的不同，就能够产生不同的随机数。

参考来源

原文链接：https://blog.csdn.net/u013036495/article/details/85181840
原文链接：https://blog.csdn.net/sinat_15443203/article/details/104401048