python - 使用 Python 3.7.3，从给定目录中的文件加权列表中随机选择/选择

Question

使用 Python 3.7.3，我需要从给定目录中的文件加权列表中随机选择。权重取决于文件的新旧程度以及用户是否已将其标记为收藏(文件越新，被选中的频率越高。)

设置权重最有效的方法是什么？我希望随机选择元素的分布行为与列表中的权重分布相同。最喜欢的标志将存储在以文件名为键，true/false 为值的字典中。

假设权重列表中的项目数必须等于 filesList 中的元素数，并且权重列表的总和必须为 1。另外，这是在 Raspberry Pi 3/4 上运行的。

如果其他方法比 numpy.random.choice 更好，我完全赞成。

我调查了 Randomly selecting an element from a weighted list .

import numpy, collections

#filesList = os.listdir('./assets')    

filesList= ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o'] 

count = len(filesList)

Favorites = {}
for key in Listy:
    Favorites[key] = random.choice([True, False])

weights = [   0.01666666666666667,
0.02666666666666667,
0.03666666666666667,
0.04666666666666667,
0.05666666666666667,
0.06666666666666667,
0.06666666666666667,
0.06666666666666667,
0.06666666666666667,
0.06666666666666667,
0.07666666666666667,
0.08666666666666667,
0.09666666666666667,
0.10666666666666667,
0.11666666666666667]

# Currently the code for setting the weights is commented out, as I'm not sure how to do it. Above is an example of distribution. 

#weights = [0 for x in range(count)]
#for x in range(count):
#    #offset = ?
#    weights[x-1] = 1/count #+ offset


print(f'Favorites: {Favorites}')
print('weights', weights)    

sum = 0     #sum of all weight values must be 1
for weight in weights:
    sum += weight

print(f'sum of weights: {sum}')

l = [numpy.random.choice(filesList, p=weights) for _ in range(10000)]

print(f'Results: {collections.Counter(l)}')

Answer 1

从 python 3.6 开始，有 random.choices() , 它接受权重。

权重不必归一化，也就是说，它们的总和不必为 1。

import random

choices = random.choices(filesList, weights=weights)
print(choices[0])

---

编辑:现在我意识到问题是关于实际重量的，一些建议。对于每个文件，计算一个权重:

def compute_weight(age_in_days, favorite):
    age_factor = 1 #set to how much you want age to matter
    favorite_factor = 1 #set how much you want the favorite to matter
    if favorite:
        return math.exp(-age_in_days*age_factor) * (favorite_factor+1)
    else:
        return math.exp(-age_in_days*age_factor)

或类似的东西。也许添加 favorite_factor 而不是乘以它，只是玩弄它。