Python 将列表元素映射到区间以创建累积概率分布

我有一个元素列表，例如

L=[a，B，C]

。每个元素都有一个相关的分数，例如

S=[5,1,4]

我想根据L在S中的分数从L中选择一个元素，只需生成一种累积概率分布，其中每个元素

L[I]

对应于

（0,1]

中与

S[I]

成比例的区间。然后，（0,1]中绘制的随机数映射到所选元素

对于前面给出的示例，我们可以通过对

5+1+4

进行归一化，将

S

的分数表示为概率，因此我们得到

SS=[0.5,0.1,0.4]

，并将

L

的元素映射到区间，这样：

B is mapped to (0, 0.1]
C is mapped to (0.1, 0.1+0.4]
A is mapped to (0.1+0.4, 0.5+0.5]

现在，如果我在（0,1）中生成一个随机数

r

（例如

r=random.random（）

），它将映射到相应的元素。例如，如果

r=0.03

我们知道元素是B。例如，如果

r=0.73

我们知道元素是a

python中有没有一种简单的方法来实现元素和区间之间的映射

---

我知道我可以使用

numpy.cumsum

生成SS的累积和，但是如何将元素映射到从该累积和获得的间隔？

假设我正确理解您的意思，我建议使用

dict

：

def branchFinder(L, S, r):
    S, L = map(list, zip(*sorted(zip(S, L))))
    SS = [0.] + map(lambda x: x/10., S)

    probs = {}
    for i in range(len(L)):
        probs[L[i]] = (sum(SS[:i+1]), SS[i+1] + sum(SS[:i+1]))        

    for key, value in probs.iteritems():
        if value[0] < r <= value[1]:
             return key

def分支指示器（左、南、右）： S、 L=map（列表，zip（*已排序（zip（S，L））） SS=[0.]+映射（λx:x/10.，S） probs={} 对于范围内的i（len（L））： probs[L[i]=（总和（SS[：i+1]），SS[i+1]+总和（SS[：i+1]）） 对于键，probs.iteritems（）中的值：

---

如果值[0]dict：

def branchFinder(L, S, r):
    S, L = map(list, zip(*sorted(zip(S, L))))
    SS = [0.] + map(lambda x: x/10., S)

    probs = {}
    for i in range(len(L)):
        probs[L[i]] = (sum(SS[:i+1]), SS[i+1] + sum(SS[:i+1]))        

    for key, value in probs.iteritems():
        if value[0] < r <= value[1]:
             return key

def分支指示器（左、南、右）： S、 L=map（列表，zip（*已排序（zip（S，L））） SS=[0.]+映射（λx:x/10.，S） probs={} 对于范围内的i（len（L））： probs[L[i]=（总和（SS[：i+1]），SS[i+1]+总和（SS[：i+1]）） 对于键，probs.iteritems（）中的值：

---

如果值[0]计数器：

from collections import Counter
counts = Counter(dict(zip(L, S)))

给予，例如：

Counter({'A': 5, 'C': 4, 'B': 1})

然后使用从中随机选择：

from random import randrange
from itertools import islice

index = randrange(sum(counts.values()))
next(islice(counts.elements(), index, None))

或者从列表中选择（可能更清楚发生了什么，但在大列表中效率较低）：

---

这并不能回答您的确切问题（生成概率），但希望能得到您需要的结果（基于分数的随机选择）。

您可以使用

计数器

：

from collections import Counter
counts = Counter(dict(zip(L, S)))

给予，例如：

Counter({'A': 5, 'C': 4, 'B': 1})

然后使用从中随机选择：

from random import randrange
from itertools import islice

index = randrange(sum(counts.values()))
next(islice(counts.elements(), index, None))

或者从列表中选择（可能更清楚发生了什么，但在大列表中效率较低）：

---

这并不能回答你的确切问题（生成概率），但希望能得到你需要的结果（基于分数的随机选择）.

只是澄清一下：您想要一个列表，以便在生成随机数时，返回列表中相应的元素？让我检查一下我是否理解正确。您想要从均匀分布生成cdf定义的任意离散随机变量？@JoelCornett不，这不是我想要做的。我只想创建一个基于元素列表和分数/概率的CDF。这样我们就可以根据该CDF随机选择一个元素。只是澄清一下：你想要一个列表，这样当生成一个随机数时，列表中相应的元素就会返回？让我检查一下我是否理解正确。你想要生成任意离散的随机变量吗由cdf从均匀分布中定义的变量？@JoelCornett不，这不是我想要做的。我只想根据元素列表和分数/概率创建一个cdf。这样我们就可以根据该cdf随机选择一个元素。如果值是有序的（就像cdf中的值一样）没有必要做第一个小于比较。@JoelCornett值可能会被排序到字典中，但不一定会从字典中出来！我不确定您指的是哪个值。如果您指的是

value

的值，那么您必须同时做这两个比较，因为它们位于一个

dict

中，该dict的顺序不受其属性的影响nature@jonrsharpe：这意味着

dict

可能不是存储CDF的最佳方式；）这是可以的，使用以下方法修复：

对于probs.iteritems（）中的键，值。

。谢谢。如果值是按顺序排列的，（就像它们在CDF中一样）没有必要做第一个小于比较。@JoelCornett值可能会被排序到字典中，但不一定会从字典中出来！我不确定您指的是哪个值。如果您指的是

value

的值，那么您必须同时做这两个比较，因为它们位于一个

dict

中，该dict的顺序不受其属性的影响nature@jonrsharpe：这意味着

dict

可能不是存储CDF的最佳方式；）这是可以的，使用以下方法修复：

对于键，probs.iteritems（）中的值。

。谢谢。