如何在元组列表中使用 numpy.random.choice？

Question

我需要以给定的概率进行随机选择，以便从列表中选择一个元组。

编辑： 每个元组的概率在概率列表中 不知道忘记参数替换，默认是none 使用数组而不是列表的同样问题

下一个示例代码给我一个错误：

import numpy as np

probabilit = [0.333, 0.333, 0.333]
lista_elegir = [(3, 3), (3, 4), (3, 5)]

np.random.choice(lista_elegir, 1, probabilit)

错误是：

ValueError: a must be 1-dimensional

我该如何解决？

Answer 1

根据函数的文档，

a : 1-D array-like or int
    If an ndarray, a random sample is generated from its elements.
    If an int, the random sample is generated as if a was np.arange(n)

那么就这样

lista_elegir[np.random.choice(len(lista_elegir),1,p=probabilit)]

应该做你想做的。 （p= 根据评论添加；如果值一致则可以省略）。

它从 [0,1,2] 中选择一个数字，然后从您的列表中选择该元素。

Answer 2

问题在于元组列表被解释为二维数组，而choice 仅适用于一维数组或整数（解释为“从范围中选择”）。见the documentation。

因此解决此问题的一种方法是传递元组列表的len，然后选择具有相应索引（或索引）的元素，如other answer 中所述。如果您首先将lista_elegir 转换为np.array，这也适用于多个索引。但是，还有两个问题：

首先，你调用函数的方式，probabilit会被解释为第三个​​参数，replace，不是概率，即列表被解释为布尔值，这意味着您选择替换，但实际概率被忽略。您可以通过将第三个参数传递为[1, 0, 0] 来轻松检查这一点。请改用p=probabilit。其次，概率总和必须为 1，正好。你的只有0.999。看来您将不得不稍微倾斜概率，或者如果它们都相同（因此假设均匀分布），则将该参数保留为 None。

>>> probabilit = [0.333, 0.333, 0.333]
>>> lista_elegir = np.array([(3, 3), (3, 4), (3, 5)]) # for multiple indices
>>> indices = np.random.choice(len(lista_elegir), 2, p=probabilit if len(set(probabilit)) > 1 else None)
>>> lista_elegir[indices]
array([[3, 4],
       [3, 5]])

Answer 3

我知道这篇文章很老了，但把它留在这里以防其他人在这里结束。

对我有用的是将列表转换为 nparray。您可以随时将其转换回列表。

import numpy as np

numSamples = 2    
probabilit = [0.333, 0.333, 0.333] 
lista_elegir = [(3, 3), (3, 4), (3, 5)]

lista_elegir_arr = np.array(lista_elegir)

#make sure probabilities sum to 1, and if they are all the same they are not needed
np.random.choice(lista_elegir_arr, numSamples, p = None)

Answer 4

只使用随机数

import random
import numpy as np

DIRECTIONS = [np.array([-1, 0]),
          np.array([0, 1]),
          np.array([1, 0]),
          np.array([0, -1])]

random.choice(DIRECTIONS)

结果得到了其中一个元组

Answer 5

简单的英语解决方案

numpy 1.19.2 版

import numpy as np

probs = [.1, .2, .7]
vals = [(3, 0), (3, 1), (3, 2)]
n_samples = 5  # choose so may elements from vals

np.random.seed(1)  # fix random seed for reproducibility
inds = np.random.choice(len(vals), n_samples, p=probs)
rand_vals = [vals[ind] for ind in inds]
print(rand_vals)

输出

[(3, 2), (3, 2), (3, 0), (3, 2), (3, 1)]