Python 加权numpys random.间隔的选择

我想伪随机地从半开放区间创建一个事务值数组，例如

[1,5]、[5,10]、[10,25）

等等。区间中的每个数字都有相同的机会被选取，但我想调整获得某些区间的概率，而不是其他区间。流程应该如下所示：

1: Pick any of the defined intervals > Pick a random number in the interval > Append number in array
2: Pick any of the defined intervals > Pick a random number in the interval > Append number in array
...
n: Pick any of the defined intervals > Pick a random number in the interval > Append number in array

我的代码是：

import numpy as np
# set interval limits
a,b,c,d,e,f,g,h,i,j = 1,5,10,25,50,100,200,300,500,1000
# start picking random numbers
np.random.seed(33)
trx_value = np.random.choice([np.random.uniform(a,b), 
                              np.random.uniform(b,c),
                              np.random.uniform(c,d),
                              np.random.uniform(d,e),
                              np.random.uniform(e,f),
                              np.random.uniform(f,g),
                              np.random.uniform(g,h),
                              np.random.uniform(h,i),
                              np.random.uniform(i,j)], 20, 
                              p=[0.1, 0.15, 0.2, 0.2, 0.15, 0.1, 0.05, 0.03, 0.02])
trx_value

它似乎以不同的方式工作，因为结果并没有显示我所期望的值的唯一性：

> array([  8.22611761,   8.22611761, 127.05325134,   8.22611761,
>        266.53172436,  35.43526485,  35.43526485,  88.57366253,
>        127.05325134,  12.38946805, 266.53172436, 127.05325134,
>         12.38946805,  35.43526485, 127.05325134,  12.38946805,
>        266.53172436,   8.22611761])

它似乎在做这样的事情：

1: For each interval, pick a random number > Store this number in a pool
2: Pick a random number from the pool > Append number in array
...
n: Pick a random number from the pool > Append number in array

---

我确信这是一个思考问题，但我想知道，如果不使用

for

循环这是可能的，因为您希望从中选择的所有分布都是统一的，我建议使用以下设置

interval_p = np.array([0.1, 0.15, 0.2, 0.2, 0.15, 0.1, 0.05, 0.03, 0.02])
interval_lo = np.array([1,5,10,25,50,100,200,300,500])
interval_hi = np.concatenate([lo[1:], [1000]])
interval_width = interval_hi - interval_lo

n = 20
c = np.random.choice(len(interval_p), p=interval_p, size=n)
results = interval_lo[c] + np.random.uniform(size=n) * interval_width[c]

---

这是因为我们可以使用

a+r*（b-a）

将

[0，1]

上的统一分布

r

重新缩放为

[a，b]

上的任何统一分布，因为您希望从中选择的所有分布都是统一的，因此我建议使用以下设置

interval_p = np.array([0.1, 0.15, 0.2, 0.2, 0.15, 0.1, 0.05, 0.03, 0.02])
interval_lo = np.array([1,5,10,25,50,100,200,300,500])
interval_hi = np.concatenate([lo[1:], [1000]])
interval_width = interval_hi - interval_lo

n = 20
c = np.random.choice(len(interval_p), p=interval_p, size=n)
results = interval_lo[c] + np.random.uniform(size=n) * interval_width[c]

---

这是因为我们可以使用

a+r*（b-a）

将

[0,1]

上的均匀分布

r

重新缩放为

[a，b]

上的任何均匀分布，然后使用

a+r*（b-a）

您只需制作

interval=np.array（[1,5,10,25,501002003005001000]）

，然后使用

interval\u width=np diff（interval）

并使用

interval[：-1]

而不是

interval\u lo

。使其更具可读性。谢谢！它可以工作，使用@DanielF推荐更具可读性。你可以说，当你与数学背景很强的人打交道时：）你只需制作

interval=np.array（[1,5,10,25,501002002002002005001000]）

然后使用

interval\u width=np.diff（interval）

并使用

interval[：-1]

而不是

interval\u lo

。使它更具可读性。谢谢！它很管用，@DanielF建议更具可读性。你可以说，当你与具有强大数学背景的人打交道时：）