python - 从 numpy 数组中进行概率选择

Question

Numpy 是否有任何内置函数可以从一维 numpy 数组中随机选择值，并为数组末尾的值赋予更高的权重？有没有比定义偏态分布并从中采样以获得数组索引更简单的方法？

Answer 1

可以给np.choice一个权重，如图:

a = np.random.random(100)    # an array to draw from
n = 10                       # number of values to draw
i = np.arange(a.size)        # an array of the index value for weighting
w = np.exp(i/10.)            # higher weights for larger index values
w /= w.sum()                 # weight must be normalized

现在，访问您的值:

np.random.choice(a, size=n, p=w)

很明显，您可以随心所欲地更改权重数组，我从末端开始进行指数衰减，衰减长度 10；增加衰减长度以获得更广泛的选择:

对于np.exp(i/50.):

In [38]: np.random.choice(a, size=n, p=w)
Out[38]: array([37, 53, 45, 22, 88, 69, 56, 86, 96, 24])

对于np.exp(i):

In [41]: np.random.choice(a, size=n, p=w)
Out[41]: array([99, 99, 98, 99, 99, 99, 99, 97, 99, 98])

如果您只想获取每个值一次，请务必设置replace=False，否则您可以多次获取相同的值(尤其是当它具有很高的权重时，如上面的第二个例子)。看这个例子:

In [33]: np.random.choice(a, size=n, replace=False, p=w)
Out[33]: array([99, 84, 86, 91, 87, 81, 96, 89, 97, 95])

In [34]: np.random.choice(a, size=n, replace=True, p=w)
Out[34]: array([94, 98, 99, 98, 97, 99, 91, 96, 97, 93])

---

我原来的回答是:

如果分布的形式并不重要，您可以做类似指数泊松分布的事情:

idx = np.random.poisson(size=10)

你的样本:

a[-idx-1]