使用python查找比例采样

我遇到一个明确要求我不要使用numpy和pandas的问题

概率：从列表中随机选择一个元素，概率与其大小成正比。假设我们正在进行100次相同的替换实验，在每次实验中，您将打印一个从a中随机选择的数字

Ex 1: A = [0 5 27 6 13 28 100 45 10 79]
let f(x) denote the number of times x getting selected in 100 experiments.
f(100) > f(79) > f(45) > f(28) > f(27) > f(13) > f(10) > f(6) > f(5) > f(0)

最初，我计算了列表A中所有元素的总和

然后，我将列表A中的每个元素除以和（为了规范化），并将这些值存储在另一个列表中（d_破折号）

然后我创建了另一个空列表（d_栏），它接受d_栏所有元素的累加和

---

创建变量r，其中r=random.uniform（0.0,1.0），然后对于d_破折号的长度，将r与d_破折号[k]进行比较，如果r可以通过

itertools.accumulate

计算累积和。循环：

for p in range(len(d_bar)):
    if(r<=d_bar[p]):
        number=d_bar[p]

打印（例如）：

您收到“列表索引超出范围”消息的原因是您创建了一个空列表“d_bar=[]”，并开始为其赋值“d_bar[k]=d_bar[k]+d_dash[k]”。我使用以下结构器isntead重新声明： 首先，用这种方式定义它：

d_bar=[0表示范围内的i（len（A））]

此外，我相信这段代码将永远返回1，因为循环中没有中断。您可以通过添加“中断”来解决此问题。以下是您的代码的更新版本：

A = [0, 5, 27, 6, 13, 28, 100, 45, 10, 79]

def pick_a_number_from_list(A):
    sum=0
    for i in A:
        sum+=i
    A_norm=[]
    for j in A:
        A_norm.append(j/sum)
    A_cum=[0 for i in range(len(A))]
    A_cum[0]=A_norm[0]
    for k in range(len(A_norm)-1):
        A_cum[k+1]=A_cum[k]+A_norm[k+1]
    A_cum

    r = random.uniform(0.0,1.0)
    number=0

    for p in range(len(A_cum)):
            if(r<=A_cum[p]):
                number=A[p]
                break
    return number

def sampling_based_on_magnitued():
    for i in range(1,100):
        number = pick_a_number_from_list(A)
        print(number)

sampling_based_on_magnitued()

A=[0,5,27,6,13,28100,45,10,79]
def从列表（a）中选择一个编号：
总和=0
对于我来说，在一个：
总和+=i
A_范数=[]
对于A中的j：
A_范数追加（j/和）
A_cum=[0表示范围内的i（len（A））]
A_cum[0]=A_范数[0]
对于范围内的k（len（A_norm）-1）：
A_cum[k+1]=A_cum[k]+A_范数[k+1]
A_cum
r=随机均匀（0.0,1.0）
数字=0
对于范围内的p（len（A_cum））：
如果（r下面是执行相同操作的代码：

A = [0, 5, 27, 6, 13, 28, 100, 45, 10, 79]

#Sum of all the elements in the array
S = sum(A)

#Calculating normalized sum
norm_sum = [ele/S for ele in A]

#Calculating cumulative normalized sum
cum_norm_sum = []
cum_norm_sum.append(norm_sum[0])
for itr in range(1, len(norm_sum), 1) :
   cum_norm_sum.append(cum_norm_sum[-1] + norm_sum[itr])

def prop_sampling(cum_norm_sum) :
    """
    This function returns an element
    with proportional sampling.
    """
    r = random.random()
    for itr in range(len(cum_norm_sum)) :
       if r <  cum_norm_sum[itr] :
           return A[itr]

#Sampling 1000 elements from the given list with proportional sampling
sampled_elements = []
for itr in range(1000) :
   sampled_elements.append(prop_sampling(cum_norm_sum))

A=[0,5,27,6,13,28100,45,10,79]
#数组中所有元素的总和
S=总和（A）
#计算归一化和
norm_sum=[A中元素的元素/S]
#计算累积归一化和
总和标准总和=[]
cum\u norm\u sum.append（norm\u sum[0]）
对于范围内的itr（1，len（norm_sum），1）：
追加（cum_norm_sum[-1]+norm_sum[itr]）
def属性采样（总和）：
"""
此函数返回一个元素
采用比例抽样。
"""
r=random.random（）
对于范围内的itr（len（cum_norm_sum））：
如果r

下图显示了采样点中每个元素的频率：

A = [0, 5, 27, 6, 13, 28, 100, 45, 10, 79]

#Sum of all the elements in the array
S = sum(A)

#Calculating normalized sum
norm_sum = [ele/S for ele in A]

#Calculating cumulative normalized sum
cum_norm_sum = []
cum_norm_sum.append(norm_sum[0])
for itr in range(1, len(norm_sum), 1) :
   cum_norm_sum.append(cum_norm_sum[-1] + norm_sum[itr])

def prop_sampling(cum_norm_sum) :
    """
    This function returns an element
    with proportional sampling.
    """
    r = random.random()
    for itr in range(len(cum_norm_sum)) :
       if r <  cum_norm_sum[itr] :
           return A[itr]

#Sampling 1000 elements from the given list with proportional sampling
sampled_elements = []
for itr in range(1000) :
   sampled_elements.append(prop_sampling(cum_norm_sum))


很明显，每个元素出现的次数与其大小成正比。
d\u dash
为空，因此它没有元素：
d\u dash[j].append
将始终引发异常。您只需使用
d_破折号。append
。无需指定要在末尾追加的索引。与
d_bar=[]相同；d_bar[0]=0
d_bar

没有元素，因此

d_bar[0]

无效。您可以只编写

d_bar=[0]

并使用

append

通常感谢您的回复。我使用d_条存储累加和。如果对范围内的k（len（A））使用以下d_条=[0]：d_条。append（d_条+d_破折号[k]）我得到的错误只能连接列表（而不是“float”）感谢你的回复Andrej，这真的很有帮助。我有几个问题：1）我可以知道为什么我们要做icum_sum[-1]，也就是用I（0,1）乘以cum_sum中的最后一个元素吗？idx=bisect（cum_sum，icum_sum[-1]）它不应该是idx=bisect（cum_sum，i）？2） 感谢您分享itertools.acculate来计算cum_sum，我想知道是否有一种方法可以在不导入此项的情况下完成此操作？i、 香草蟒蛇。提前感谢。@hemanthavavarapu

cum\u sum[-1]

是

cum\u sum

列表中的最大值<代码>i在间隔0、1中。通过将这两个值相乘，我们得到了区间

中的值，我感到困惑，因为在我上面共享的代码中，我将列表A的每个元素除以A的所有元素之和，并将它们存储在列表d_中。现在，如果我使用cum_sum=[*accumlate（d_dash）]而不是cum_sum=[*accumulate（A）]，然后使用idx=bisect（cum_sum，I），我将在（0,1）中生成I，然后将其与cum_sum中的每个元素（在我的情况下，它们是小数）进行比较，然后给出A的索引。我的这种方法会产生相同的结果吗（与我们处理概率的方法不完全相同，但在逻辑上）结果与您的结果相同吗？@Hemantravavarapu从您给出的描述中，我看不出错误-方法相同，但您只是将值作为额外步骤进行分割。当然，测试：）
A = [0, 5, 27, 6, 13, 28, 100, 45, 10, 79]

def pick_a_number_from_list(A):
    sum=0
    for i in A:
        sum+=i
    A_norm=[]
    for j in A:
        A_norm.append(j/sum)
    A_cum=[0 for i in range(len(A))]
    A_cum[0]=A_norm[0]
    for k in range(len(A_norm)-1):
        A_cum[k+1]=A_cum[k]+A_norm[k+1]
    A_cum

    r = random.uniform(0.0,1.0)
    number=0

    for p in range(len(A_cum)):
            if(r<=A_cum[p]):
                number=A[p]
                break
    return number

def sampling_based_on_magnitued():
    for i in range(1,100):
        number = pick_a_number_from_list(A)
        print(number)

sampling_based_on_magnitued()

A = [0, 5, 27, 6, 13, 28, 100, 45, 10, 79]

#Sum of all the elements in the array
S = sum(A)

#Calculating normalized sum
norm_sum = [ele/S for ele in A]

#Calculating cumulative normalized sum
cum_norm_sum = []
cum_norm_sum.append(norm_sum[0])
for itr in range(1, len(norm_sum), 1) :
   cum_norm_sum.append(cum_norm_sum[-1] + norm_sum[itr])

def prop_sampling(cum_norm_sum) :
    """
    This function returns an element
    with proportional sampling.
    """
    r = random.random()
    for itr in range(len(cum_norm_sum)) :
       if r <  cum_norm_sum[itr] :
           return A[itr]

#Sampling 1000 elements from the given list with proportional sampling
sampled_elements = []
for itr in range(1000) :
   sampled_elements.append(prop_sampling(cum_norm_sum))