python - 通过基于随机值的过滤，使用列表理解生成 10 个(或更少)均匀分布的随机 float

Question

出于某些奇怪的原因，假设我想使用列表推导(并且仅使用列表推导)来生成 10 个大于 0.5 的随机数。对于问题的“10 个随机数”部分，我们将使用:

samples = [ random.random() for x in range(10) ]

现在，对于“大于 0.5”，如何使用 LC 实现？

samples = [ random.random() for x in range(10) if ??? ]

Answer 1

您所描述的称为拒绝抽样，这是个坏主意。例如，如果您只需要数字 >0.999，生成它们将花费 1000 倍的时间。

---

最佳方式

执行此操作的正确方法是使用另一种采样技术，例如使用 CDF(累积密度函数)的逆函数，并执行 [inverseCDF(random()) for _ in range(10)] 。在您的情况下，就像 GaretJax 建议的那样，[0.5+random()/2 for _ in range(10)]

---

意图

我认为您的意图是能够根据列表理解的整个表达式进一步过滤。在那种情况下，你会把你的迭代(这里用括号而不是 [...] 因为懒惰，虽然这并不重要)在另一个理解中:

[r for r in (random.random() for x in range(10)) if r>0.5]

要获得可以处理拒绝的更好的解决方案，请参阅“仅使用列表推导的解决方案”部分或 eryksun's answer .

---

带生成器的解决方案

(请参阅下面的列表理解解决方案)

您可以对任何线性范围执行此操作。但是，如果您的拒绝函数非常复杂，则进行拒绝抽样的一般方法如下。 (同样，这是一个非常糟糕的主意，除非您知道自己在做什么并且效率无关紧要。)

from random import random
from itertools import *

def randoms():
    while True:
        yield random()

def rejectionSample(pred, n):
    return islice(filter(pred, randoms()), n)

例子:

>>> print( list(rejectionSample(lambda x:x>0.5)) )
[0.6656564857979361, 0.9850389778418555, 0.9607471536139308, 0.9191328900300356, 0.810783093197139]

你也可以这样做:

def rejectionSample(pred, n):
    count = 0
    while count<n:
        r = random()
        if pred(r):
            yield r
            count += 1 

---

只有列表理解的解决方案

然而，由于您仅想使用列表推导，这意味着您推导的表达式部分不能失败，因此您必须以某种方式在理解。这不可能单独使用单个 lambda 函数来完成，但只要我们有一些递归/循环原语，我们就可以实现它，例如......

[next(filter(pred,randoms())) for _ in range(10)]

(如果您真的想要单行列表理解，randoms() 可以重写为 (random() for _ in count())。) ，如果您很容易找到特定分布的解析逆累积分布函数，则这是不必要的。

---

编辑:我收回那句话……它……是可能的……只用 lambdas……

亲爱的上帝，怜悯我向这个世界释放了多少恐惧

[
 (lambda f:f(f,random()))(lambda self,r:r if r>0.5 else self(self,random()))
 for _ in range(10)
]