numpy python 选择_python – 从numpy数组中选择概率

你可以给np.choice一个权重,如图所示：

a = np.random.random(100) # an array to draw from

n = 10 # number of values to draw

i = np.arange(a.size) # an array of the index value for weighting

w = np.exp(i/10.) # higher weights for larger index values

w /= w.sum() # weight must be normalized

现在,访问您的值：

np.random.choice(a, size=n, p=w)

显然你可以根据需要改变你的重量阵列,我从衰落长度10开始以指数衰减;为更广泛的选择增加衰减长度：

对于np.exp(i / 50.)：

In [38]: np.random.choice(a, size=n, p=w)

Out[38]: array([37, 53, 45, 22, 88, 69, 56, 86, 96, 24])

对于np.exp(i)：

In [41]: np.random.choice(a, size=n, p=w)

Out[41]: array([99, 99, 98, 99, 99, 99, 99, 97, 99, 98])

如果您只希望能够获得每个值一次,请确保设置replace = False,否则您可以多次获得相同的值(特别是如果它是高度加权的,如上面的第二个示例中所示).看这个例子：

In [33]: np.random.choice(a, size=n, replace=False, p=w)

Out[33]: array([99, 84, 86, 91, 87, 81, 96, 89, 97, 95])

In [34]: np.random.choice(a, size=n, replace=True, p=w)

Out[34]: array([94, 98, 99, 98, 97, 99, 91, 96, 97, 93])

我原来的答案是：

如果分布的形式并不重要,你可以做一些像指数的泊松分布：

idx = np.random.poisson(size=10)

你的样本：

a[-idx-1]