【问题标题】:randomly sort a list with bias随机排序有偏差的列表
【发布时间】:2016-11-22 03:52:03
【问题描述】:

我有一个列表如下:

i = [
        {'id': '1', 'P': 0.5},
        {'id': '2', 'P': 0.4},
        {'id': '3', 'P': 0.8},
        ...
        {'id': 'x', 'P': P(x)}
    ]

当我执行以下操作时:

i.sort(key=lambda x: x['P'], reverse=True)

列表根据 P 排序,其中 P 最大的元素在前面。但是,如果我想让它看起来是随机的,这样即使 P 值很小(概率很小)的元素也可以成为列表中的第一项呢?
是否可以使用 sort() 函数来实现,还是我必须自己编写?

【问题讨论】:

  • P(最小值和最大值)的范围是多少?
  • 如果是随机的,那就不是真正的排序了!
  • i.sort(key=lambda x: random.random()/x['P']) 会做你想做的事吗?它为具有较小 P 的值提供了更广泛的随机键范围,因此它们通常会出现在列表中的后面,而不是具有较大 P 的值。但是任何值总是可以幸运地得到来自random.random() 的非常小的结果并出现在列表的前面。
  • @ayhan P 值介于 0 和 1 之间
  • 这个问题似乎还不确定。给定两项——就'P'-值而言,其中一项列在另一项之前的概率应该是多少?

标签: python list sorting random


【解决方案1】:

这是我的看法:假设项目 1 的相似度得分为 0.3,而项目 2 的相似度得分为 0.4。那么,在这两个项目之间进行选择时,项目 1 应该在项目 2 之前,概率为0.3 / (0.3 + 0.4) 似乎是合理的。这样,得分较高的项目通常在得分较低的项目之前。以下函数实现了一个合并排序的变体,它包含了这个想法:

import random

def pick(a,b,key = None):
    ka = key(a) if key else a
    kb = key(b) if key else b
    if ka+kb == 0:
        return random.int(0,1)
    else:
        p = ka/(ka+kb)
        return 0 if random.random() <= p else 1

def randMerge(xs,ys,key = None):
    merged = []
    i = j = 0
    while i < len(xs) and j < len(ys):
        k = pick(xs[i],ys[j],key)
        if k == 0:
            merged.append(xs[i])
            i += 1
        else:
            merged.append(ys[j])
            j += 1
    if i == len(xs):
        merged.extend(ys[j:])
    else:
        merged.extend(xs[i:])
    return merged

def randSort(items,key = None):
    if len(items) < 2:
        return items
    else:
        n = len(items)//2
        xs = items[:n]
        ys = items[n:]
        return randMerge(randSort(xs,key),randSort(ys,key),key)

用于测试:

i = [
        {'id': '1', 'P': 0.5},
        {'id': '2', 'P': 0.4},
        {'id': '3', 'P': 0.8},
        {'id': '4', 'P': 0.9}
    ]

例如:

>>> for j in range(5): print(randSort(i,key = lambda x: x['P']))

[{'P': 0.5, 'id': '1'}, {'P': 0.9, 'id': '4'}, {'P': 0.8, 'id': '3'}, {'P': 0.4, 'id': '2'}]
[{'P': 0.8, 'id': '3'}, {'P': 0.5, 'id': '1'}, {'P': 0.9, 'id': '4'}, {'P': 0.4, 'id': '2'}]
[{'P': 0.9, 'id': '4'}, {'P': 0.5, 'id': '1'}, {'P': 0.8, 'id': '3'}, {'P': 0.4, 'id': '2'}]
[{'P': 0.5, 'id': '1'}, {'P': 0.8, 'id': '3'}, {'P': 0.9, 'id': '4'}, {'P': 0.4, 'id': '2'}]
[{'P': 0.8, 'id': '3'}, {'P': 0.4, 'id': '2'}, {'P': 0.9, 'id': '4'}, {'P': 0.5, 'id': '1'}]

【讨论】:

    【解决方案2】:

    正如我在评论中提到的,您可以通过从标准正态分布中采样一个偏差因子来按一定程度的随机偏差进行排序。然后,您可以将此偏差(在零的任一侧对称)添加到您的 P 值。

    import numpy as np
    
    #Give some control over the level of rearrangement - larger equals more rearrangement
    bias_factor = 0.5
    
    i.sort(key=lambda x: x['P'] + np.random.randn()*bias_factor, reverse=True)
    

    或者如果您只想使用标准库:

    from random import gauss
    
    #Give some control over the level of rearrangement - larger equals more rearrangement
    sigma = 0.5
    
    i.sort(key=lambda x: x['P'] + gauss(0, sigma), reverse=True)
    

    【讨论】:

    • 这似乎是一个合理的方法
    【解决方案3】:

    根据我的理解,您希望对列表进行排序,但仍需要一些随机性。列表不能同时进行排序和随机排序。最近的可以通过类似

    的方式来实现
    i.sort(key=lambda x: x['P']*random.triangular(0.6, 1.4), reverse=True)
    

    这同时确保订单不是完全随机的,也不是以类似的方式排序的。

    值 0.6 和 1.4 可以根据您想要的偏差进行更改。

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 1970-01-01
      • 2011-05-03
      • 1970-01-01
      • 1970-01-01
      • 2011-11-08
      • 1970-01-01
      • 2018-12-31
      • 2012-02-19
      相关资源
      最近更新 更多