我想从一组选项中选择多个项目。每个选项都有自己的一组被选中或未被选中的概率。
狐狸例子:
选择,"is",“否”
“九月”,0.90,0.10
"十月", 0.25, 0.75
"十一月", 0.45, 0.55
"十二月", 0.50, 0.50
“yes”表示选项被选中,“no”表示未选中。因此,对于第一卷,选择可能是 ["September", "December"],对于第二卷,选择可能是 ["September", "October", "November"] 等等。
它类似于复选框选择,其中选择或不选择一个选项独立于其他选项。
我可以通过 numpy.random.choice 循环进入每个给定的选择来做到这一点。但我想知道是否有更优雅/更高效的方式来做到这一点?
这是我做的
choices = {
"September":0.90,
"October":0.25,
"November":0.45,
"December":0.50
}
resp = []
for ch, pr in choices:
pick = 1
probs = [pr, 1-pr]
select = ["yes", "no"]
choose = numpy.random.choice(select, pick, probs)
if "yes" in choose[0]:
resp.append(ch)
谢谢。
请您参考如下方法:
您可以使用 numpy.random.uniform 函数生成区间 [0,1] 中的样本。通过将这些与 choices 中的概率进行比较,您可以创建具有指定概率的随机样本。由于自动广播,每一列都与 choices 中的相应概率进行比较。
这样你就可以创建一个维度为 (n_rolls, n_choices) 的矩阵,其中 n_rolls 是你想要重复的次数(这可以是 1 如果你只需要一个样本),n_choices 是不同选择的数量。
import numpy
from collections import OrderedDict
choices = OrderedDict()
choices["September"] = 0.90
choices["October"] = 0.25
choices["November"] = 0.45
choices["December"] = 0.50
n_rolls = 5
probs = numpy.random.uniform(size=(n_rolls, len(choices)))
samples = probs < choices.values()
结果将是一个 bool 数组,其中每一列对应于 choices 中的一个选项,每一行包含一次尝试。由于我们使用了 OrderedDict,结果将按照您输入字典数据的方式排序。
>>> samples
array([[False, False, False, False],
[ True, True, True, False],
[ True, False, False, False],
[ True, False, True, True],
[ True, False, True, False]], dtype=bool)
作为测试:让我们找出 n_rolls=1000000 的每一列的概率:
>>> numpy.mean(samples, axis=0)
array([ 0.899713, 0.249405, 0.449437, 0.499881])
要将此结果转换为您指定的列表,您可以结合使用 numpy.where 和 numpy.choose:
res = numpy.choose(numpy.where(samples[0, :]), choices.keys())
print samples[0,:],'\n',res
[ True False True True]
[['September' 'November' 'December']]
不幸的是,这部分只适用于单行,所以如果你有多个卷,你需要循环执行最后一步。
