蓄水池采样 Reservoir Sampling

# coding:utf8
import random


# 从n个数中采样k个数
def reservoir_sampling(n, k):
    # 所有数据
    pool = [i for i in range(n)]
    # 前k个数据
    res = [i for i in range(k)]
    for i in range(k, n):
        v = random.randint(0, i)
        if v < k:
            res[v] = i
    return res

先选中第1到k个元素，作为被选中的元素。然后依次对第k+1至第N个元素做如下操作：

x是元素的序号，每个元素都有k/x的概率被选中，然后等概率的（1/k）替换掉被选中的元素。