Python 从numpy数组中进行概率选择

Numpy是否有任何内置函数可以从一维Numpy数组中随机选择值，数组末尾的值具有更高的权重？有没有比定义倾斜分布并从中采样以获得数组索引更简单的方法呢？

您可以为

np.choice

赋予权重，如下所示：

a = np.random.random(100)    # an array to draw from
n = 10                       # number of values to draw
i = np.arange(a.size)        # an array of the index value for weighting
w = np.exp(i/10.)            # higher weights for larger index values
w /= w.sum()                 # weight must be normalized

现在，通过以下方式访问您的值：

np.random.choice(a, size=n, p=w)

很明显，你可以随意改变你的权重数组，我从最后开始用衰减长度

10

进行指数衰减；增加该衰减长度以获得更广泛的选择：

对于

np.exp（i/50.）

：

对于

np.exp（i）

：

如果您只想获得每个值一次，请确保设置

replace=False

，否则您可以多次获得相同的值（特别是在权重较高的情况下，如上面的第二个示例所示）。请参见此示例：

In [33]: np.random.choice(a, size=n, replace=False, p=w)
Out[33]: array([99, 84, 86, 91, 87, 81, 96, 89, 97, 95])

In [34]: np.random.choice(a, size=n, replace=True, p=w)
Out[34]: array([94, 98, 99, 98, 97, 99, 91, 96, 97, 93])

---

我最初的回答是：

如果分布的形式并不重要，您可以做一些类似于指数的泊松分布的事情：

idx = np.random.poisson(size=10)

您的样本：

a[-idx-1]

---

我有点困惑。如果这是您的目标，那么选择实际上不是随机的。此外，如果在最后给物品更多的重量，那么最后一件物品不总是会被挑选，因为它的重量最大吗？

idx = np.random.poisson(size=10)

a[-idx-1]