如何概率地填充 python 中的列表?
How to probabilistically populate a list in python?
我想使用基本的 for 循环来填充 Python 中的值列表,但我希望以概率的方式计算这些值,以便 p% 的时间在(玩具)中计算这些值等式 1 和 100-p% 的时间值在等式 2 中计算。
这是我目前得到的:
# generate list of random probabilities
p_list = np.random.uniform(low=0.0, high=1.0, size=(500,))
my_list = []
# loop through but where to put 'p'? append() should probably only appear once
for p in p_list:
calc1 = x*y # equation 1
calc2 = (x-y) # equation 2
my_list.append(calc1)
my_list.append(calc2)
您已经生成了概率列表 - p_list
- 对应于您要生成的 my_list
中的每个值。这样做的 pythonic 方法是通过三元运算符和列表理解:
import random
my_list = [(x*y if random() < p else x-y) for p in p_list]
如果我们将其扩展为适当的 for
循环:
my_list = []
for p in p_list:
if random() < p:
my_list.append(x*y)
else:
my_list.append(x-y)
如果我们想要更加 pythonic,关于 calc1
和 calc2
,我们可以将它们变成 lambda:
calc1 = lambda x,y: x*y
calc2 = lambda x,y: x-y
...
my_list = [calc1(x,y) if random() < p else calc2(x,y) for p in p_list]
或者,根据 x
和 y
对您的功能的不同程度(假设它们不是静态的),您甚至可以分两步进行理解:
calc_list = [calc1 if random() < p else calc2 for p in p_list]
my_list = [calc(x,y) for calc in calc_list]
我采用了对原始代码进行最小改动且语法易于理解的方法:
import numpy as np
p_list = np.random.uniform(low=0.0, high=1.0, size=(500,))
my_list = []
# uncomment below 2 lines to make this code syntactially correct
#x = 1
#y = 2
for p in p_list:
# randoms are uniformly distributed over the half-open interval [low, high)
# so check if p is in [0, 0.5) for equation 1 or [0.5, 1) for equation 2
if p < 0.5:
calc1 = x*y # equation 1
my_list.append(calc1)
else:
calc2 = (x-y) # equation 2
my_list.append(calc2)
其他答案似乎假设您想保留计算出的机会。如果您想要的只是一个结果列表,其中方程式 1 的使用时间为 p%,方程式 2 的时间为 100-p%,这就是您所需要的:
from random import random, seed
inputs = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# change the seed to see different 'random' outcomes
seed(1)
results = [x * x if random() > 0.5 else 2 * x for x in inputs]
print(results)
如果你可以使用 numpy 值得尝试选择方法。
https://docs.scipy.org/doc/numpy-1.14.1/reference/generated/numpy.random.choice.html
我想使用基本的 for 循环来填充 Python 中的值列表,但我希望以概率的方式计算这些值,以便 p% 的时间在(玩具)中计算这些值等式 1 和 100-p% 的时间值在等式 2 中计算。
这是我目前得到的:
# generate list of random probabilities
p_list = np.random.uniform(low=0.0, high=1.0, size=(500,))
my_list = []
# loop through but where to put 'p'? append() should probably only appear once
for p in p_list:
calc1 = x*y # equation 1
calc2 = (x-y) # equation 2
my_list.append(calc1)
my_list.append(calc2)
您已经生成了概率列表 - p_list
- 对应于您要生成的 my_list
中的每个值。这样做的 pythonic 方法是通过三元运算符和列表理解:
import random
my_list = [(x*y if random() < p else x-y) for p in p_list]
如果我们将其扩展为适当的 for
循环:
my_list = []
for p in p_list:
if random() < p:
my_list.append(x*y)
else:
my_list.append(x-y)
如果我们想要更加 pythonic,关于 calc1
和 calc2
,我们可以将它们变成 lambda:
calc1 = lambda x,y: x*y
calc2 = lambda x,y: x-y
...
my_list = [calc1(x,y) if random() < p else calc2(x,y) for p in p_list]
或者,根据 x
和 y
对您的功能的不同程度(假设它们不是静态的),您甚至可以分两步进行理解:
calc_list = [calc1 if random() < p else calc2 for p in p_list]
my_list = [calc(x,y) for calc in calc_list]
我采用了对原始代码进行最小改动且语法易于理解的方法:
import numpy as np
p_list = np.random.uniform(low=0.0, high=1.0, size=(500,))
my_list = []
# uncomment below 2 lines to make this code syntactially correct
#x = 1
#y = 2
for p in p_list:
# randoms are uniformly distributed over the half-open interval [low, high)
# so check if p is in [0, 0.5) for equation 1 or [0.5, 1) for equation 2
if p < 0.5:
calc1 = x*y # equation 1
my_list.append(calc1)
else:
calc2 = (x-y) # equation 2
my_list.append(calc2)
其他答案似乎假设您想保留计算出的机会。如果您想要的只是一个结果列表,其中方程式 1 的使用时间为 p%,方程式 2 的时间为 100-p%,这就是您所需要的:
from random import random, seed
inputs = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# change the seed to see different 'random' outcomes
seed(1)
results = [x * x if random() > 0.5 else 2 * x for x in inputs]
print(results)
如果你可以使用 numpy 值得尝试选择方法。
https://docs.scipy.org/doc/numpy-1.14.1/reference/generated/numpy.random.choice.html