Я пытаюсь взять список, и из него выбрать номер, который i
случайно. После чего я хочу выбрать второй элемент j
. Вероятность выбора j
уменьшается как 1/|ij|
, Например, относительная вероятность того, что он выберет j
четырех шагах от моего начального i
равна 1/4, а вероятность выбора j
непосредственной близости от моего i
.
Пока что я пытался заполнить мой список, выбрать мой i
, сначала вычислить вес, используя |ij|
для всех остальных элементов в списке.
import numpy as np
import random as random
list = [1,2,3,4,5,6,7,8,9,10]
a = 1
n1 = random.choice(range(len(list)))
n1_coord = (n1, list[n1])
print(n1_coord)
prob_weights = []
for i in range(0, n1):
wt = 1/((np.absolute(n1-i)))
#print(wt)
prob_weights.append(wt)
for i in range(n1+1,len(list)):
wt = 1/((np.absolute(n1-i)))
prob_weights.append(wt)
Есть ли в Python встроенная функция, в которую я могу подать эти веса, в которую выберу j
с таким распределением вероятностей. Могу ли я скорректировать свой массив весов в:
numpy.random.choice(a, size=None, replace=True, p=None)
Я полагаю, я позволю p = prob_weights в моем коде?
import numpy as np
import random as random
list = [1,2,3,4,5,6,7,8,9,10]
a = 1
n1 = random.choice(range(len(list)))
n1_coord = (n1, list[n1])
print(n1_coord)
prob_weights = []
for i in range(0, n1):
wt = 1/((np.absolute(n1-i)))
#print(wt)
prob_weights.append(wt)
for i in range(n1+1,len(list)):
wt = 1/((np.absolute(n1-i)))
prob_weights.append(wt)
n2 = np.random.choice(range(len(list)), p=prob_weights)
n2_coord = (n2, list[n2])
Запуск этого выше с np.random.choice
дает мне ошибку. Я даже не уверен, делает ли это то, что я хочу, чтобы он делал в первую очередь. Есть ли альтернативный способ сделать это?
Там будет встроенная функция для этого: random.choices
, который принимает weights
аргумент.
Учитывая ваш первый выбранный индекс n1
, вы можете сделать что-то вроде
indices = range(len(mylist)
weights = [0 if i == n1 else 1/abs(i - n1) for i in indices]
n2 = random.choices(indices, weights=prb_wts, k=1).
Установив вес первого элемента на ноль, вы предотвращаете выбор формы.
Числовые операции обычно бывают быстрее при использовании numpy, поэтому вы можете использовать np.random.choice
, который принимает аргумент p
:
values = np.array([...])
indices = np.arange(values.size)
n1 = np.random.choice(indices)
i = values[n1]
delta = np.abs(indices - n1)
weights = np.divide(1.0, delta, where=delta)
n2 = np.random.choice(indices, p=weights)
j = values[n2]
Как второстепенные мелочи, не вызывайте list
переменных, так как это затеняет встроенное, и import x as x
- это просто import x
.