什么是Python的Numpy np.random.choice的scala等价物？（scala中的随机加权选择）

我在寻找Scala的等效代码或pythons np.random.choice Numpy作为np的基础理论。我有一个类似的实现，它使用Python的np.random.choice方法从概率分布中选择随机移动

输入列表：['pooh'，'rabbit'，'Pieget'，'Christopher']和概率：[0.5,0.1,0.1,0.3]

---

考虑到每个输入元素的相关概率，我想从输入列表中选择一个值。

Scala标准库没有与np.random.choice等效的值，但构建自己的值应该不会太困难，这取决于要模拟的选项/功能

例如，这里是一种获得无限提交项目流的方法，其中任何一个项目相对于其他项目加权的概率

def weightedSelect[T](input :(T,Int)*): Stream[T] = {
  val items  :Seq[T]    = input.flatMap{x => Seq.fill(x._2)(x._1)}
  def output :Stream[T] = util.Random.shuffle(items).toStream #::: output
  output
}

这样，每个输入项都有一个乘数。因此，要获得字符c和v的无限伪随机选择，c占时间的3/5，v占时间的2/5：

val cvs = weightedSelect(('c',3),('v',2))

因此，np.random.Choiceaaa_milne_arr，5，p=[0.5,0.1,0.1,0.3]示例的粗略等价物为：

weightedSelect("pooh"-> 5
              ,"rabbit" -> 1
              ,"piglet" -> 1
              ,"Christopher" -> 3).take(5).toArray

或者你可能想要一个更好的，更少的伪随机分布，这可能是严重不平衡的

def weightedSelect[T](items :Seq[T], distribution :Seq[Double]) :Stream[T] = {
  assert(items.length == distribution.length)
  assert(math.abs(1.0 - distribution.sum) < 0.001) // must be at least close

  val dsums  :Seq[Double] = distribution.scanLeft(0.0)(_+_).tail
  val distro :Seq[Double] = dsums.init :+ 1.1 // close a possible gap
  Stream.continually(items(distro.indexWhere(_ > util.Random.nextDouble())))
}

---

Scala标准库没有与np.random.choice等效的库，但是构建自己的库应该不会太困难，这取决于您想要模拟的选项/功能

例如，这里是一种获得无限提交项目流的方法，其中任何一个项目相对于其他项目加权的概率

def weightedSelect[T](input :(T,Int)*): Stream[T] = {
  val items  :Seq[T]    = input.flatMap{x => Seq.fill(x._2)(x._1)}
  def output :Stream[T] = util.Random.shuffle(items).toStream #::: output
  output
}

这样，每个输入项都有一个乘数。因此，要获得字符c和v的无限伪随机选择，c占时间的3/5，v占时间的2/5：

val cvs = weightedSelect(('c',3),('v',2))

因此，np.random.Choiceaaa_milne_arr，5，p=[0.5,0.1,0.1,0.3]示例的粗略等价物为：

weightedSelect("pooh"-> 5
              ,"rabbit" -> 1
              ,"piglet" -> 1
              ,"Christopher" -> 3).take(5).toArray

或者你可能想要一个更好的，更少的伪随机分布，这可能是严重不平衡的

def weightedSelect[T](items :Seq[T], distribution :Seq[Double]) :Stream[T] = {
  assert(items.length == distribution.length)
  assert(math.abs(1.0 - distribution.sum) < 0.001) // must be at least close

  val dsums  :Seq[Double] = distribution.scanLeft(0.0)(_+_).tail
  val distro :Seq[Double] = dsums.init :+ 1.1 // close a possible gap
  Stream.continually(items(distro.indexWhere(_ > util.Random.nextDouble())))
}

---

但我的体重可能真的很大，物品可能有数百万，这是一个比seq.fill更好的方法吗？很有趣。也许您可以发布一个更接近您实际需求的np.random.choice示例。请看我的更新。但我的体重可能非常大，物品可能有数百万，这是一种比seq.fill更好的方法吗？很有趣。也许您可以发布一个更接近您实际需求的np.random.choice示例。查看我的更新。