Как вероятностно заполнить список в python?
Я хочу использовать базовый цикл for для заполнения списка значений в Python, но я хотел бы, чтобы значения вычислялись вероятностно, так что p% времени вычисляются значения в (игрушке) уравнение 1 и 100-p% от время, когда значения вычисляются в уравнении 2.
Вот что у меня есть:
# generate list of random probabilities
p_list = np.random.uniform(low=0.0, high=1.0, size=(500,))
my_list = []
# loop through but where to put 'p'? append() should probably only appear once
for p in p_list:
calc1 = x*y # equation 1
calc2 = (x-y) # equation 2
my_list.append(calc1)
my_list.append(calc2)
х и у не имеют значения. просто два случайных уравнения.
Мой плохой, было интересно, было все. ГЛ
Ответы 4
Вы уже создали список вероятностей — p_list — которые соответствуют каждому значению в my_list, которое вы хотите создать. Питонический способ сделать это через тернарный оператор и понимание списка:
import random
my_list = [(x*y if random() < p else x-y) for p in p_list]
Если бы мы расширили это до правильного цикла for:
my_list = []
for p in p_list:
if random() < p:
my_list.append(x*y)
else:
my_list.append(x-y)
Если бы мы хотели быть еще более питоническими в отношении calc1 и calc2, мы могли бы превратить их в лямбда-выражения:
calc1 = lambda x,y: x*y
calc2 = lambda x,y: x-y
...
my_list = [calc1(x,y) if random() < p else calc2(x,y) for p in p_list]
или, в зависимости от того, как x и y различаются для вашей функции (при условии, что они не статичны), вы даже можете выполнить понимание в два этапа:
calc_list = [calc1 if random() < p else calc2 for p in p_list]
my_list = [calc(x,y) for calc in calc_list]
Хм, да, я вижу, что недостаточно хорошо объяснил, чего хотел. Я хочу перебрать список вероятностей, поэтому установка произвольного отсечки не сработает. Я отредактировал свое объяснение сейчас.
Ах хорошо. В этом случае я бы сделал то же самое, только вместо проверки p < cutoff я бы проверил random() < p.
Отлично, я пришел к такому же выводу. Спасибо за все варианты — узнал кое-что новое о лямбда-функциях.
Я выбрал подход с минимальными изменениями в исходном коде и простым для понимания синтаксисом:
import numpy as np
p_list = np.random.uniform(low=0.0, high=1.0, size=(500,))
my_list = []
# uncomment below 2 lines to make this code syntactially correct
#x = 1
#y = 2
for p in p_list:
# randoms are uniformly distributed over the half-open interval [low, high)
# so check if p is in [0, 0.5) for equation 1 or [0.5, 1) for equation 2
if p < 0.5:
calc1 = x*y # equation 1
my_list.append(calc1)
else:
calc2 = (x-y) # equation 2
my_list.append(calc2)
Спасибо, я ценю минимальные изменения исходного кода.
Другие ответы, похоже, предполагают, что вы хотите сохранить рассчитанные шансы. Если все, что вам нужно, — это список результатов, для которых уравнение 1 использовалось в p% случаев, а уравнение 2 — в 100–p% случаев, это все, что вам нужно:
from random import random, seed
inputs = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# change the seed to see different 'random' outcomes
seed(1)
results = [x * x if random() > 0.5 else 2 * x for x in inputs]
print(results)
Если вы можете использовать numpy, стоит попробовать метод выбора.
https://docs.scipy.org/doc/numpy-1.14.1/reference/generated/numpy.random.choice.html
что такое x и y в этом методе?