第一种最笨方法:import random
weight_data={'a': 10, 'b': 15, 'c': 50}
def random_weight(weight_data):
all_data = []
for v, w in weight_data.items():
temp = []
for i in range(w):
temp.append(v)
all_data.extend(temp)
n = random.randint(0,len(all_data)-1)
return all_data[n]
第二种:Python带权重随机数的简单实现
思路:
该方法是常用的带权重随机数生成方法,思路是先将权重值求和total,在0与权重和total之间获得一个随机数rd,遍历权重字典,累加其权重值weight_sum, 当rd小于或等于weight_sum时,返回当前的权重key值,示例代码如下:import random
weight_data={'a': 10, 'b': 15, 'c': 50}
def random_weight(weight_data):
_total = sum(weight_data.values()) # 权重求和
_random = random.uniform(0, _total) # 在0与权重和之前获取一个随机数
_curr_sum = 0
_ret = None
try:
_keys = weight_data.iterkeys() # 使用Python2.x中的iterkeys
except AttributeError:
_keys = weight_data.keys() # 使用Python3.x中的keys
for _k in _keys:
_curr_sum += data[_k] # 在遍历中,累加当前权重值
if _random <= _curr_sum: # 当随机数<=当前权重和时,返回权重key
_ret = _k
break
return _ret
类似简写方法(只适用于分值在小于1):import random
weight_data={'a': 0.1, 'b': 0.15, 'c': 0.}
def random_weight(weight_data):
rand_val = random.random()
total = 0
for k, v in dct.items():
total += v
if rand_val <= total:
return k
第三种:使用numpy(强烈建议使用)import numpy as np
weight_data={'a': 10, 'b': 15, 'c': 50}
random_key=np.random.choice(weight_data.keys(), 1, weight_data.values())[0]
第四种:如果不想使用numpy,from random import random
from itertools import takewhile
weight_data={'a': 10, 'b': 15, 'c': 50}
def accumulate(iterator):
"""返回元素的累积总和。.
accumulate([1, 2, 3, 4, 5]) --> 1 3 6 10 15"""
current = 0
for value in iterator:
current += value
yield current
def weightedChoice(weights, objects):
"""从对象返回随机项,根据权重值大小
(which must sum to 1)."""
limit = random()
return objects[sum(takewhile(bool, (value < limit for value in accumulate(weights))))]
第五种:仅仅支持python3.6以后版本:import random
weight_data={'a': 10, 'b': 15, 'c': 50}
random.choices(weight_data.keys(), weight_data.values*(, k=10)
参考文章:
https://blog.51cto.com/techvincent/1784327
https://stackoverflow.com/questions/3679694/a-weighted-version-of-random-choice