在python中生成随机加权字符串文件答案

【问题标题】：generate random weigted string file in python在python中生成随机加权字符串文件
【发布时间】：2016-12-21 07:42:21
【问题描述】：

我正在尝试从长度为 3900 的 ['A','B','C','D','E'] 字符生成字符串，并且每个字符的概率应为： {'A':0.1, 'B'：0.3， 'C'：0.3， 'D'：0.1， 'E':0.2 } 在这个字符串中我写了以下代码：

from random import random
from bisect import bisect

def weighted_choice(choices):
    values, weights = zip(*choices)
    total = 0
    cum_weights = []
    for w in weights:
        total += w
        cum_weights.append(total)
    x = random() * total
    i = bisect(cum_weights, x)
    return values[i]
string_ = ''
for i in range(0,3900):
    string_ = string_ + weighted_choice([("A",10), ("B",30), ("C",30),("D",10),("E",20)])

with open("rand_file","w") as f:
        f.write(string_)

但它不会根据概率生成字符串（文件）。它以这样的概率生成：

C 0.2500264583 
B 0.2499284457 
E 0.1666428313 
D 0.0833782424 
A 0.0833758065

概率导致for循环每次都单独运行，没有考虑之前的结果。

请帮忙解决这个问题？

【问题讨论】：

标签： python python-2.7 python-3.x random

【解决方案1】：

如果您只是使用列表['A','B','B','B','C','C','C','D','E','E'] 并从中随机选择一个项目，您可以完全摆脱代码中所有加权的东西，并且加权将被内置。

您可以在下面的示例中看到这一点（是的，我不怀疑它可以写得更好，但它只是一个概念验证，而不是生产就绪的纯白雪代码):

from random import random, seed

def choice(lst):
    return lst[int(random() * len(lst))];

seed()

(a, b, c, d, e, t) = (0, 0, 0, 0, 0, 0)

for i in range(1000):
    x = choice('ABBBCCCDEE')
    if (x == 'A'): a += 1
    if (x == 'B'): b += 1
    if (x == 'C'): c += 1
    if (x == 'D'): d += 1
    if (x == 'E'): e += 1
    t += 1

print ("a =", a, "which is", a * 100 / t, "%")
print ("b =", b, "which is", b * 100 / t, "%")
print ("c =", c, "which is", c * 100 / t, "%")
print ("d =", d, "which is", d * 100 / t, "%")
print ("e =", e, "which is", e * 100 / t, "%")

输出匹配（大致）所需的分布：

a = 101 which is 10.1 %
b = 297 which is 29.7 %
c = 299 which is 29.9 %
d = 102 which is 10.2 %
e = 201 which is 20.1 %

现在，如果您的分布是 99.9% A 和 0.1% B（这将是一个相当长的字符串传递给 choice），这显然会很烦人，但这应该足以满足您的分布.

【讨论】：

这在大多数情况下可能已经足够了。虽然不是A:0.50000000001, B:0.49999999999的最坏情况@

【解决方案2】：

您可以根据权重生成所有字母，然后将它们随机洗牌，最后加入它们。比如：

from random import shuffle
N = 3900 # the string length
doc = {'A':0.1, 'B':0.3, 'C':0.3, 'D':0.1, 'E':0.2 } #weights
letters = []
for key in doc.keys():
    m = int(doc[key] * N) #generate correct number of letter
    letters.append(list(key * m))

letters = [item for sublist in letters for item in sublist] # flatten the list
shuffle(letters) # shuffle all letters randomly
result = ''.join(letters) # join all letter to make one string

print(len(result))
# 3900

【讨论】：

m = int(doc[key] * N) 不能保证最后是 len(letters) == N，因为 int() 总是会向下舍入。
منونم مهدی :D.

【解决方案3】：

这实际上与paxdiablo的解决方案相同，只是更通用一点（对于您的简单示例，他的解决方案更好。+1）：

import random

choice = [("A",10), ("B",30), ("C",30),("D",10),("E",20)]
choose_from = ''.join(x * letter for letter, x in choice)

print(choose_from)
#  AAAAAAAAAABBBBBBBBBBBBBBBBBBBBBBBBBBBBBBCCCCCCCCCCCCCCCCCCCCCCCCCCCCCCDDetc...

print(random.choice(choose_from))

【讨论】：