从 python 中的列表中快速、独立地随机抽取/抽样 - 固定概率，而不是总数
Fast, independent random draws / sample from a list in python - fixed probability, not total number
我想从列表中抽取项目样本，但我想设置包含每个项目的概率，不是要抽取的项目总数 (所以 random.sample() 不起作用）。我用下面的代码得到了我想要的效果（其中 p 是包含的概率，items 是事物的列表）：
[item for item in items if random.random() < p]
但是速度很慢。有什么加快速度的建议吗？
该列表最多有 1000 万个项目，并且是单一类型的（所有整数），所以也许有一个 numpy / pandas 解决方案？
谢谢！
尼克
结果样本中的项目数量（n 以概率 p 独立尝试）具有二项分布，因此可以快速随机生成，例如 numpy：
sample_size = numpy.random.binomial(len(population). p)
现在，the_sample = random.sample(population, sample_size) 完全可以满足您的需求——相当于以相同的概率 p.
随机、独立地挑选总体中的每个项目
这是基于你的示例代码，你说它太慢但也说它在其他方面没问题——即，人口中的每个项目都相同 p。如果每个项目都有一个完全不同的p，这是行不通的（如果p有几个不同的值，它可以通过分层抽样来工作——将人口分成统一的，每个子-单个值 p 的总体，并独立地从每个样本中获取样本，然后将它们合并）。
我想从列表中抽取项目样本，但我想设置包含每个项目的概率，不是要抽取的项目总数 (所以 random.sample() 不起作用）。我用下面的代码得到了我想要的效果（其中 p 是包含的概率，items 是事物的列表）：
[item for item in items if random.random() < p]
但是速度很慢。有什么加快速度的建议吗？
该列表最多有 1000 万个项目，并且是单一类型的（所有整数），所以也许有一个 numpy / pandas 解决方案？
谢谢！
尼克
结果样本中的项目数量（n 以概率 p 独立尝试）具有二项分布，因此可以快速随机生成，例如 numpy：
sample_size = numpy.random.binomial(len(population). p)
现在，the_sample = random.sample(population, sample_size) 完全可以满足您的需求——相当于以相同的概率 p.
这是基于你的示例代码，你说它太慢但也说它在其他方面没问题——即，人口中的每个项目都相同 p。如果每个项目都有一个完全不同的p，这是行不通的（如果p有几个不同的值，它可以通过分层抽样来工作——将人口分成统一的，每个子-单个值 p 的总体，并独立地从每个样本中获取样本，然后将它们合并）。