随机选择，概率放置

Question

我有两个列表，X 和 Y，长度相等。我有第三个列表，locations。 X 和Y 中的值与locations 列表的索引相关。我还有一个方程式，如下所示。

def equat(x):
        return np.power(x, -0.0005165876209672664) - 0.9960910063226581

下面是我的问题的主循环。

for i, j in zip(X[:10], Y[:10]):
        A = np.random.choice(X, replace = False) # randomly select neuron from neuron A
        L_a = locations.iloc[[A],] # acquire neuron A's location
        L_b = locations.iloc[[j],] # acquire neuron B's location (unchanged from list)
        D_ = pd.DataFrame(scipy.spatial.distance.cdist(L_a, L_b, 'euclidean')) # compute its distance

首先，我有列表 X 和 Y。 A 从列表X 中随机选择。 L_a 然后使用值A 来获取该值的位置。 L_b 使用Y 中的第一个值，因为如前所述，列表Y 必须始终保持不变。然后D_ 将计算L_a 和L_b 之间的距离。

现在，我有点卡住了。我想做的是，首先确保两个点不相同，如果是，则返回A 并从列表中随机选择另一个值。其次，我想根据使用equat 生成的概率添加被选择添加到列表中的A 的值，比如C。如果没有发生这种匹配，那么我希望循环返回到 A 并随机选择另一个值，直到该值被选择并添加到 C。

任何有关如何解决此问题的建议都会受到欢迎！

Answer 1

首先，您不需要zip(X[:10], Y[:10])，因为您从未使用过i。您可以使用for j in Y[:10]。

其次，对于您的第一个问题 (A != j)，您可以轻松地将 A assignment 行替换为这个问题：

A = j
while A==j :
    A = np.random.choice(X, replace = False) # randomly select neuron from neuron A

您也可以这样做（如果 X 是一个 numpy 数组）：

    A = np.random.choice(X[X!=j], replace = False) # randomly select neuron from neuron A

对于您的最后一个问题，您可以使用此结构获得带有equat 分布的随机布尔值：

your_p = equat(A)
should_I_put_A_in_C = numpy.random.choice([True,False], p=[your_p,1-your_p])

然后用它来决定你想做什么。