values - random.choice python

Generar números aleatorios con una distribución dada(numérica)

Question

Tengo un archivo con algunas probabilidades para diferentes valores, por ejemplo:

1 0.1
2 0.05
3 0.05
4 0.2
5 0.4
6 0.2

Me gustaría generar números aleatorios usando esta distribución. ¿Existe un módulo existente que maneja esto? Es bastante simple codificar por su cuenta (construir la función de densidad acumulativa, generar un valor aleatorio [0,1] y elegir el valor correspondiente) pero parece que esto debería ser un problema común y probablemente alguien haya creado una función / módulo para eso.

Lo necesito porque quiero generar una lista de cumpleaños (que no siguen ninguna distribución en el módulo random estándar).

Answer 1

(De acuerdo, sé que estás pidiendo envoltorios, pero tal vez esas soluciones locales no fueron lo suficientemente simples para tu gusto. :-)

pdf = [(1, 0.1), (2, 0.05), (3, 0.05), (4, 0.2), (5, 0.4), (6, 0.2)]
cdf = [(i, sum(p for j,p in pdf if j < i)) for i,_ in pdf]
R = max(i for r in [random.random()] for i,c in cdf if c <= r)

Me pseudo-confirmó que esto funciona mirando el resultado de esta expresión:

sorted(max(i for r in [random.random()] for i,c in cdf if c <= r)
       for _ in range(1000))

Answer 2

Aquí hay una forma más efectiva de hacer esto:

Simplemente llame a la siguiente función con su matriz ''pesos'' (suponiendo que los índices son los ítems correspondientes) y el no. de muestras necesarias. Esta función se puede modificar fácilmente para manejar el par ordenado.

Devuelve índices (o elementos) muestreados / seleccionados (con reemplazo) usando sus respectivas probabilidades:

def resample(weights, n):
    beta = 0

    # Caveat: Assign max weight to max*2 for best results
    max_w = max(weights)*2

    # Pick an item uniformly at random, to start with
    current_item = random.randint(0,n-1)
    result = []

    for i in range(n):
        beta += random.uniform(0,max_w)

        while weights[current_item] < beta:
            beta -= weights[current_item]
            current_item = (current_item + 1) % n   # cyclic
        else:
            result.append(current_item)
    return result

Una breve nota sobre el concepto utilizado en el ciclo while. Reducimos el peso del elemento actual de la beta acumulativa, que es un valor acumulativo construido de forma uniforme al azar, e incrementamos el índice actual para encontrar el artículo, cuyo peso coincide con el valor de beta.

Answer 3

Desde Python 3.6, hay una solución para esto en la biblioteca estándar de Python, es decir, random.choices .

Ejemplo de uso: configuremos una población y pesos que coincidan con los de la pregunta del OP:

>>> from random import choices
>>> population = [1, 2, 3, 4, 5, 6]
>>> weights = [0.1, 0.05, 0.05, 0.2, 0.4, 0.2]

Ahora las choices(population, weights) generan una sola muestra:

>>> choices(population, weights)
4

El argumento opcional de palabra clave k permite solicitar más de una muestra a la vez. Esto es valioso porque hay algún trabajo preparatorio que random.choices tiene que hacer cada vez que se lo llama, antes de generar cualquier muestra; al generar muchas muestras a la vez, solo tenemos que hacer ese trabajo preparatorio una vez. Aquí generamos un millón de muestras y usamos collections.Counter Contamos para verificar que la distribución que obtenemos coincide con los pesos que le dimos.

>>> million_samples = choices(population, weights, k=10**6)
>>> from collections import Counter
>>> Counter(million_samples)
Counter({5: 399616, 6: 200387, 4: 200117, 1: 99636, 3: 50219, 2: 50025})

Answer 4

Haga una lista de artículos, según su weights :

items = [1, 2, 3, 4, 5, 6]
probabilities= [0.1, 0.05, 0.05, 0.2, 0.4, 0.2]
# if the list of probs is normalized (sum(probs) == 1), omit this part
prob = sum(probabilities) # find sum of probs, to normalize them
c = (1.0)/prob # a multiplier to make a list of normalized probs
probabilities = map(lambda x: c*x, probabilities)
print probabilities

ml = max(probabilities, key=lambda x: len(str(x)) - str(x).find(''.''))
ml = len(str(ml)) - str(ml).find(''.'') -1
amounts = [ int(x*(10**ml)) for x in probabilities]
itemsList = list()
for i in range(0, len(items)): # iterate through original items
  itemsList += items[i:i+1]*amounts[i]

# choose from itemsList randomly
print itemsList

Una optimización puede ser para normalizar las cantidades por el máximo divisor común, para hacer que la lista de objetivos sea más pequeña.

Además, this podría ser interesante.

Answer 5

Ninguna de estas respuestas es particularmente clara o simple.

Aquí hay un método claro y simple que está garantizado para funcionar.

accumulate_normalize_probabilities toma un diccionario p que asigna símbolos a probabilidades O frecuencias. Muestra una lista utilizable de tuplas desde las cuales hacer la selección.

def accumulate_normalize_values(p):
        pi = p.items() if isinstance(p,dict) else p
        accum_pi = []
        accum = 0
        for i in pi:
                accum_pi.append((i[0],i[1]+accum))
                accum += i[1]
        if accum == 0:
                raise Exception( "You are about to explode the universe. Continue ? Y/N " )
        normed_a = []
        for a in accum_pi:
                normed_a.append((a[0],a[1]*1.0/accum))
        return normed_a

Rendimientos:

>>> accumulate_normalize_values( { ''a'': 100, ''b'' : 300, ''c'' : 400, ''d'' : 200  } )
[(''a'', 0.1), (''c'', 0.5), (''b'', 0.8), (''d'', 1.0)]

Por qué funciona

El paso de acumulación convierte cada símbolo en un intervalo entre sí mismo y la probabilidad o frecuencia de los símbolos previos (o 0 en el caso del primer símbolo). Estos intervalos se pueden usar para seleccionar (y así probar la distribución proporcionada) simplemente recorriendo la lista hasta que el número aleatorio en el intervalo 0.0 -> 1.0 (preparado anteriormente) sea menor o igual al punto final del intervalo del símbolo actual.

La normalización nos libera de la necesidad de asegurarse de que todo tenga algún valor. Después de la normalización, el "vector" de probabilidades suma a 1.0.

El resto del código para la selección y generación de una muestra arbitrariamente larga de la distribución se muestra a continuación:

def select(symbol_intervals,random):
        print symbol_intervals,random
        i = 0
        while random > symbol_intervals[i][1]:
                i += 1
                if i >= len(symbol_intervals):
                        raise Exception( "What did you DO to that poor list?" )
        return symbol_intervals[i][0]


def gen_random(alphabet,length,probabilities=None):
        from random import random
        from itertools import repeat
        if probabilities is None:
                probabilities = dict(zip(alphabet,repeat(1.0)))
        elif len(probabilities) > 0 and isinstance(probabilities[0],(int,long,float)):
                probabilities = dict(zip(alphabet,probabilities)) #ordered
        usable_probabilities = accumulate_normalize_values(probabilities)
        gen = []
        while len(gen) < length:
                gen.append(select(usable_probabilities,random()))
        return gen

Uso:

>>> gen_random ([''a'',''b'',''c'',''d''],10,[100,300,400,200])
[''d'', ''b'', ''b'', ''a'', ''c'', ''c'', ''b'', ''c'', ''c'', ''c'']   #<--- some of the time

Answer 6

Otra respuesta, probablemente más rápido :)

distribution = [(1, 0.2), (2, 0.3), (3, 0.5)]  
# init distribution  
dlist = []  
sumchance = 0  
for value, chance in distribution:  
    sumchance += chance  
    dlist.append((value, sumchance))  
assert sumchance == 1.0 # not good assert because of float equality  

# get random value  
r = random.random()  
# for small distributions use lineair search  
if len(distribution) < 64: # don''t know exact speed limit  
    for value, sumchance in dlist:  
        if r < sumchance:  
            return value  
else:  
    # else (not implemented) binary search algorithm  

Answer 7

Tal vez es un poco tarde. Pero puedes usar numpy.random.choice() , pasando el parámetro p :

val = numpy.random.choice(numpy.arange(1, 7), p=[0.1, 0.05, 0.05, 0.2, 0.4, 0.2])

Answer 8

Una ventaja de generar la lista usando CDF es que puedes usar la búsqueda binaria. Mientras necesita O (n) tiempo y espacio para el preprocesamiento, puede obtener k números en O (k log n). Como las listas normales de Python son ineficientes, puede usar el módulo de array .

Si insiste en el espacio constante, puede hacer lo siguiente; O (n) tiempo, O (1) espacio.

def random_distr(l):
    r = random.uniform(0, 1)
    s = 0
    for item, prob in l:
        s += prob
        if s >= r:
            return item
    return item  # Might occur because of floating point inaccuracies

Answer 9

basado en otras soluciones, generas distribución acumulativa (como un entero o flotante), entonces puedes usar bisección para hacerlo rápido

este es un ejemplo simple (utilicé números enteros aquí)

l=[(20, ''foo''), (60, ''banana''), (10, ''monkey''), (10, ''monkey2'')]
def get_cdf(l):
    ret=[]
    c=0
    for i in l: c+=i[0]; ret.append((c, i[1]))
    return ret

def get_random_item(cdf):
    return cdf[bisect.bisect_left(cdf, (random.randint(0, cdf[-1][0]),))][1]

cdf=get_cdf(l)
for i in range(100): print get_random_item(cdf),

la función get_cdf lo convertiría de 20, 60, 10, 10 en 20, 20 + 60, 20 + 60 + 10, 20 + 60 + 10 + 10

ahora seleccionamos un número aleatorio de hasta 20 + 60 + 10 + 10 usando random.randint luego usamos bisect para obtener el valor real de una manera rápida

Answer 10

es posible que desee echar un vistazo a las distribuciones de muestreo aleatorio NumPy

Answer 11

scipy.stats.rv_discrete podría ser lo que quieras. Puede proporcionar sus probabilidades a través del parámetro de values . A continuación, puede utilizar el método rvs() del objeto de distribución para generar números aleatorios.

Como señaló Eugene Pakhomov en los comentarios, también puede pasar un parámetro de palabra clave p a numpy.random.choice() , por ej.

numpy.random.choice(numpy.arange(1, 7), p=[0.1, 0.05, 0.05, 0.2, 0.4, 0.2])

Si está utilizando Python 3.6 o superior, puede usar random.choices() desde la biblioteca estándar - vea la respuesta de Mark Dickinson .

Answer 12

from __future__ import division
import random
from collections import Counter


def num_gen(num_probs):
    # calculate minimum probability to normalize
    min_prob = min(prob for num, prob in num_probs)
    lst = []
    for num, prob in num_probs:
        # keep appending num to lst, proportional to its probability in the distribution
        for _ in range(int(prob/min_prob)):
            lst.append(num)
    # all elems in lst occur proportional to their distribution probablities
    while True:
        # pick a random index from lst
        ind = random.randint(0, len(lst)-1)
        yield lst[ind]

Verificación:

gen = num_gen([(1, 0.1),
               (2, 0.05),
               (3, 0.05),
               (4, 0.2),
               (5, 0.4),
               (6, 0.2)])
lst = []
times = 10000
for _ in range(times):
    lst.append(next(gen))
# Verify the created distribution:
for item, count in Counter(lst).iteritems():
    print ''%d has %f probability'' % (item, count/times)

1 has 0.099737 probability
2 has 0.050022 probability
3 has 0.049996 probability 
4 has 0.200154 probability
5 has 0.399791 probability
6 has 0.200300 probability