如何在 Python 中将一组字符串拆分为子字符串，使更短的子字符串更有可能？答案

【问题标题】：How to split a set of strings into substrings in Python, making shorter substrings more likely?如何在 Python 中将一组字符串拆分为子字符串，使更短的子字符串更有可能？
【发布时间】：2019-04-26 08:51:15
【问题描述】：

我有一组字符串，每个字符串都有数百万个字符。我想将它们分成随机长度的子字符串，这我可以毫无问题地做到。

但是，我的问题是：如何对子字符串长度选择应用某种权重？我的代码在python3 中运行，所以我想找到一个pythonic 解决方案。具体来说，我的目标是：

将字符串拆分为长度介于 1*e04 和 8*e06 字符之间的子字符串。
让脚本更频繁地为新生成的子字符串选择短长度 (1*e04) 而不是长长度 (8*e06)，例如降序长度似然梯度。

感谢您的帮助！

【问题讨论】：

标签： python string random gradient

【解决方案1】：

NumPy 提供大量random 采样功能。查看各种可用的distributions。

如果您正在寻找权重偏低的东西，也许exponential distribution 会起作用？

使用matplotlib，您可以绘制值的直方图，以便更好地了解分布是否符合您的要求。

所以是这样的：

import numpy as np
import matplotlib.pyplot as plt

# desired range of values
mn = 1e04
mx = 8e06

# random values following exp distribution
values = np.random.exponential(scale=1, size=2000)

# scale the values to the desired range
values = ((mx-mn)*values/np.max(values)) + mn

# plot the distribution of values
plt.hist(values)
plt.grid()
plt.show()
plt.close()

【讨论】：

【解决方案2】：

可能有很多方法可以做到这一点。我会这样做：

在区间[0,1]中取一个随机数rand：
```
import random
rand = random.random()
```
对该数字进行操作以使较小的数字更有可能，但请保持在[0,1] 的范围内。您使用什么操作取决于您希望似然分布的样子。一个简单的选择是正方形。
```
rand = rand**2
```
将数字空间[0,1] 缩放到[1e04, 8e06] 并舍入到下一个整数：
```
subStringLen = round(rand*(8e06-1e04)+1e04)
```
从您的字符串中获取长度为subStringLen 的子字符串并检查剩余的字符数。
- 如果剩余的字符数超过8e06，请转到第 1 步。
- 如果1e04 和8e06 之间存在，请将它们用作最后一个子字符串。
- 如果小于1e04，您需要决定在这种特殊情况下是要丢弃其余的还是允许小于1e04 的子字符串。

我确信在效率方面有很多改进可能，这只是为了让您了解我的方法。

【讨论】：