Python:Range（）作为字典值

假设我有一个如下所示的字典，其中的值是每个键在文本中出现的概率

   dict = {'a':0.66,'b':0.07,'c':0.04 and so on so the values of the dict sum up to one}

假设我想构建另一个字典，它具有这些值的范围hasvalue。 因为我们不能将range（）与float一起使用，所以我尝试先将所有值乘以100，这样它们就会变成int。 假设我们想用这些值的范围替换它们。例如，“a”将得到一个范围（0,66），“b”范围（66,73），“c”（73,77）等等。 我曾尝试通过以下循环来实现这一点，但它不起作用：

start = 0
end = 0
for k,v in dict.items():
   end+=int(v*100)
   range_dict[k]=range(start,end)
   start+=end

谁能帮帮我吗？我真想知道该怎么办才好

如果你改变

start += end

到

它应该可以工作（在此处使用

xrange

使其更可见）：

但是如果as@Satoru.Logic猜测你想要一个加权随机数，有更好的方法。Eli Bendersky对Python中的方法有很好的概述。

如果您更改

start += end

到

它应该可以工作（在此处使用

xrange

使其更可见）：

---

但是如果as@Satoru.Logic猜测你想要一个加权随机数，有更好的方法。Eli Bendersky对Python中的方法有很好的概述。

从Python 3.3.0文档中自豪地窃取：

-包含加权分布算法。
-包含累加算法

下面的代码是为2.X编写的：

import random
import bisect

D = {'a':0.66,'b':0.07,'c':0.04,'d':0.20,'e':0.03}

# This function is in Python 3.2+ itertools module.
def accumulate(iterable):
    'Return running totals'
    # accumulate([1,2,3,4,5]) --> 1 3 6 10 15
    it = iter(iterable)
    total = next(it)
    yield total
    for element in it:
        total = total + element
        yield total

# Extract the weights and build a cumulative distribution.
choices, weights = zip(*D.items())
cumdist = list(accumulate(weights))

# Make 1000 random selections
L = [choices[bisect.bisect(cumdist, random.random() * cumdist[-1])]
     for _ in xrange(1000)]

# Display the results
for c in sorted(D.keys()):
    print '{} {:3d}'.format(c,L.count(c))

输出：

a 652
b  72
c  43
d 200
e  33

---

从Python 3.3.0文档中骄傲地窃取：

-包含加权分布算法。
-包含累加算法

下面的代码是为2.X编写的：

import random
import bisect

D = {'a':0.66,'b':0.07,'c':0.04,'d':0.20,'e':0.03}

# This function is in Python 3.2+ itertools module.
def accumulate(iterable):
    'Return running totals'
    # accumulate([1,2,3,4,5]) --> 1 3 6 10 15
    it = iter(iterable)
    total = next(it)
    yield total
    for element in it:
        total = total + element
        yield total

# Extract the weights and build a cumulative distribution.
choices, weights = zip(*D.items())
cumdist = list(accumulate(weights))

# Make 1000 random selections
L = [choices[bisect.bisect(cumdist, random.random() * cumdist[-1])]
     for _ in xrange(1000)]

# Display the results
for c in sorted(D.keys()):
    print '{} {:3d}'.format(c,L.count(c))

输出：

a 652
b  72
c  43
d 200
e  33

---

您正在尝试实现加权随机算法，对吗？在最后一行中，它应该是

start=end

而不是

start+=end

@yakxxx我已经尝试过了，但是循环没有超过两次迭代，我无法找出原因..您正在尝试实现加权随机算法，对吗？在最后一行中，它应该是

start=end

而不是

start+=end

@yakxxx，我已经尝试过了，但是循环没有超过两次迭代，我无法找出原因..FWIW您没有提到为什么需要将

start+=end

更改为

start=end

，所以请允许我。这是因为，为了正确起见，前者需要是

start+=end start

，这当然可以简化为后者。我喜欢使用xrange（为了清楚地说明），并且链接到Eli Bendersky的页面对我非常有用。谢谢。FWIW您没有提到为什么需要将

start+=end

更改为

start=end

，请允许我。这是因为，为了正确起见，前者需要是

start+=end start

，这当然可以简化为后者。我喜欢使用xrange（为了清楚地说明），并且链接到Eli Bendersky的页面对我非常有用。谢谢