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 calc1calc2,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 xy 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