Случайный ключ словаря Python, взвешенный значениями

Учитывая, что ваш dict умещается в памяти, метод random.choice должен быть разумным. Но если допустить иное, следующий метод заключается в использовании списка возрастающих весов и использовании пополам для поиска случайно выбранного веса.

>>> import random, bisect
>>> items, total = [], 0
>>> for key, value in d.items():
        total += len(value)
        items.append((total, key))


>>> items[bisect.bisect_left(items, (random.randint(1, total),))][1]
'a'
>>> items[bisect.bisect_left(items, (random.randint(1, total),))][1]
'c'

Всегда ли известно общее количество значений в словаре? Если так, это может быть легко сделать с помощью следующего алгоритма, который можно использовать всякий раз, когда вы хотите сделать вероятностный выбор некоторых элементов из упорядоченного списка:

1. Перебрать свой список ключей.
2. Сгенерировать равномерно распределенное случайное значение от 0 до 1.
3. Предполагая, что с этим ключом связано N_VALS значений и общее количество значений TOTAL_VALS во всем словаре, принять этот ключ с вероятностью N_VALS / N_REMAINING, где N_REMAINING - количество элементов, оставшихся в списке.

Этот алгоритм имеет то преимущество, что ему не нужно создавать никаких новых списков, что важно, если ваш словарь большой. Ваша программа платит только за цикл по K клавишам для расчета общей суммы, еще один цикл по ключам, который в среднем заканчивается на полпути, и сколько бы он ни стоил, чтобы сгенерировать случайное число от 0 до 1. Генерация такого случайного числа - очень распространенное приложение в программировании, поэтому в большинстве языков есть быстрая реализация такого функция. В Python генератор случайных чисел представляет собой реализацию на языке C алгоритма Мерсенна Твистера , который должен быть очень быстрым. Кроме того, в документации утверждается, что эта реализация является потокобезопасной.

Вот код. Я уверен, что вы можете очистить его, если хотите использовать больше функций Pythonic:

#!/usr/bin/python

import random

def select_weighted( d ):
   # calculate total
   total = 0
   for key in d:
      total = total + len(d[key])
   accept_prob = float( 1.0 / total )

   # pick a weighted value from d
   n_seen = 0
   for key in d:
      current_key = key
      for val in d[key]:
         dice_roll = random.random()
         accept_prob = float( 1.0 / ( total - n_seen ) )
         n_seen = n_seen + 1
         if dice_roll <= accept_prob:
            return current_key

dict = {
   'a': [1, 3, 2],
   'b': [6],
   'c': [0, 0]
}

counts = {}
for key in dict:
   counts[key] = 0

for s in range(1,100000):
   k = select_weighted(dict)
   counts[k] = counts[k] + 1

print counts

После выполнения этого 100 раз я получаю ключи выбора такое количество раз:

{'a': 49801, 'c': 33548, 'b': 16650}

Они довольно близки к вашим ожидаемым значениям of:

{'a': 0.5, 'c': 0.33333333333333331, 'b': 0.16666666666666666}

Изменить: Майлз указал на серьезную ошибку в моей исходной реализации, который с тех пор был исправлен. Извините за это!

Составьте список, в котором каждый ключ повторяется столько раз, сколько его длина равна длине его значения. В вашем примере: ['a', 'a', 'a', 'b', 'c', 'c'] . Затем используйте random.choice () .

Изменить: или, менее элегантно, но более эффективно, попробуйте следующее: возьмите сумму длин всех значений в словаре, S (вы можете кэшировать и аннулировать это значение или поддерживать его в актуальном состоянии при редактировании словаря, в зависимости от предполагаемого конкретного шаблона использования). Сгенерируйте случайное число от 0 до S и выполните линейный поиск по ключам словаря, чтобы найти диапазон, в который попадает ваше случайное число.

Я думаю, что это лучшее, что вы можете сделать, не меняя или не добавляя к вашему представлению данных.

Вот код, который основан на предыдущем ответе, который я дал для распределения вероятностей в python , но использует длину для установки веса. Он использует итеративную цепочку Маркова, поэтому ему не нужно знать, какова сумма всех весов. В настоящее время он вычисляет максимальную длину, но если это слишком медленно, просто измените

  self._maxw = 1   

на

  self._maxw = max lenght 

и удалите

for k in self._odata:
     if len(self._odata[k])> self._maxw:
          self._maxw=len(self._odata[k])

Вот код.

import random


class RandomDict:
    """
    The weight is the length of each object in the dict.
    """

    def __init__(self,odict,n=0):
        self._odata = odict
        self._keys = list(odict.keys())
        self._maxw = 1  # to increase speed set me to max length
        self._len=len(odict)
        if n==0:
            self._n=self._len
        else:
            self._n=n
        # to increase speed set above max value and comment out next 3 lines
        for k in self._odata:
            if len(self._odata[k])> self._maxw:
                self._maxw=len(self._odata[k])


    def __iter__(self):
        return self.next()

    def next(self):
        while (self._len > 0) and (self._n>0):
            self._n -= 1
            for i in range(100):
                k=random.choice(self._keys)
                rx=random.uniform(0,self._maxw)
                if rx <= len(self._odata[k]): # test to see if that is the value we want
                    break
            # if you do not find one after 100 tries then just get a random one
            yield k

    def GetRdnKey(self):
        for i in range(100):
            k=random.choice(self._keys)
            rx=random.uniform(0,self._maxw)

            if rx <= len(self._odata[k]): # test to see if that is the value we want
                break
        # if you do not find one after 100 tries then just get a random one
        return k



#test code

d = {
 'a': [1, 3, 2],
 'b': [6],
 'c': [0, 0]
}


rd=RandomDict(d)

dc = {
 'a': 0,
 'b': 0,
 'c': 0
}
for i in range(100000):
    k=rd.GetRdnKey()
    dc[k]+=1

print("Key count=",dc)



#iterate over the objects

dc = {
 'a': 0,
 'b': 0,
 'c': 0
}

for k in RandomDict(d,100000):
    dc[k]+=1

print("Key count=",dc)

Результаты теста

Key count= {'a': 50181, 'c': 33363, 'b': 16456}
Key count= {'a': 50080, 'c': 33411, 'b': 16509}

Я бы сказал так:

random.choice("".join([k * len(d[k]) for k in d]))

Это проясняет, что каждый k в d имеет столько же шансов, сколько длина его ценность. Конечно, он полагается на ключи словаря длиной 1, которые являются символами ....

Намного позже:

table = "".join([key * len(value) for key, value in d.iteritems()])
random.choice(table)

Без создания нового, возможно большого списка с повторяющимися значениями:

def select_weighted(d):
   offset = random.randint(0, sum(d.itervalues())-1)
   for k, v in d.iteritems():
      if offset < v:
         return k
      offset -= v