Python 具有列表替换功能的简单引导

我正在尝试执行一个简单的引导过程，替换应用于如下格式的列表：

a = [[0.2,0.5,0.4,0.8], [0.3,0.7,0.1,0.6], [0.3,1.2,1.0,0.6], ....]

也就是说：

a

是由

N

子列表组成的列表，每个子列表具有相同数量的浮动（在本例中为4个）

为了从

a

中选择随机元素（即：子列表）并替换以执行引导过程，我可以执行以下操作：

import random

bts_a = []
for elem in a:
    r = random.randint(0,len(a))
    bts_a.append(a[r])

有没有更简洁和/或更快的方法来实现这一点？我特别不喜欢必须初始化一个空列表（即：

bts_a=[]

），这让我感觉非常不舒服。

您可以使用并列出理解或映射：

a = [[0.2, 0.5, 0.4, 0.8], [0.3, 0.7, 0.1, 0.6], [0.3, 1.2, 1.0, 0.6]]

>>> [random.choice(e) for e in a]
[0.5, 0.6, 0.6]
>>> [random.choice(e) for e in a]
[0.4, 0.3, 1.2]

>>> map(random.choice, a)
[0.5, 0.1, 1.0]
>>> map(random.choice, a)
[0.8, 0.3, 0.3]

要从列表中选择随机子列表，请执行以下操作：

>>> random.choice(a)
[0.3, 0.7, 0.1, 0.6]
>>> random.choice(a)
[0.2, 0.5, 0.4, 0.8]

bts_a = [random.choice(a) for _ in a]
>>> bts_a
[[0.3, 1.2, 1.0, 0.6], [0.2, 0.5, 0.4, 0.8], [0.3, 1.2, 1.0, 0.6]]

---

这将使用以下方法为您提供随机子列表：

或

 >>> print a[int(random()*len(a))]
 [0.3, 1.2, 1.0, 0.6]
 >>> a
 [[0.2, 0.5, 0.4, 0.8], [0.3, 0.7, 0.1, 0.6], [0.3, 1.2, 1.0, 0.6]]
 >>> from random import random
 >>> print a[int(random()*len(a))]
 [0.2, 0.5, 0.4, 0.8]
 >>> print a[int(random()*len(a))]
 [0.3, 0.7, 0.1, 0.6]
 >>>

---

我想你要找的是：

请注意，它会以内联方式更改列表。如果你想要一个不同的列表。您需要创建一个副本：

bts = a[:]
random.shuffle(bts)

例如：

>>> a = [[0.2, 0.5, 0.4, 0.8], [0.3, 0.7, 0.1, 0.6], [0.3, 1.2, 1.0, 0.6]]
>>> import random
>>> random.shuffle(a)
>>> a
[[0.3, 0.7, 0.1, 0.6], [0.2, 0.5, 0.4, 0.8], [0.3, 1.2, 1.0, 0.6]]

---

您可能应该看看对pythonic代码最直接的转换是

bts_a=[a[random.randint（0，len（a）-1）]，对于范围内的元素（len（a））]

。这不是更糟，但也绝不是更好。我不是试图从每个子列表中选择随机浮动，我是试图从

a

@Gabriel

random中选择随机子列表。选择

无论如何，检查更新的回答OK，我使用了

random.choice

这似乎是解决这个问题的推荐方法，并得出了这一行：

bts\u a=[random.choice（a）for u.in a]

。如果您愿意，您可以将其添加到您的答案中，它将取代我在问题中介绍的完整

for

循环。干杯，谢谢。我没有理由在范围（len（a））中使用

而不是在a

中简单地使用

for。你能解释一下这两种方法之间的区别吗？@Gabriel hm，你是对的，实际上它比随机模式中的uu的

要慢一点（python2中的xrange）。shuffle

只移动元素。替换意味着最终列表中的某些元素将被重复。顺便说一句，我没有否决你的答案，我从来没有否决过。干杯，谢谢。没问题。为什么要重复元素？使用random.choice（）和一个如此random.shuffle的列表理解可能永远不会重复某些元素。因为这就是带替换的引导过程所做的（你可以用谷歌搜索它），因为它永远不会重复元素，所以Shuffling永远不会是等价的，甚至一个都没有。@AlexandruPlugaru:Shuffling每次都会产生一个具有完全相同的统计信息（均值、方差、中位数等）的样本，而不替换的采样将产生一个样本，其（均值、方差等）是围绕原始样本统计信息的随机变量。更重要的是，替换采样产生的值在统计上相互独立。

bts = a[:]
random.shuffle(bts)

>>> a = [[0.2, 0.5, 0.4, 0.8], [0.3, 0.7, 0.1, 0.6], [0.3, 1.2, 1.0, 0.6]]
>>> import random
>>> random.shuffle(a)
>>> a
[[0.3, 0.7, 0.1, 0.6], [0.2, 0.5, 0.4, 0.8], [0.3, 1.2, 1.0, 0.6]]