【发布时间】：2013-02-17 18:48:46
【问题描述】：
我正在尝试为我的学校制定一个彩票计划（我们有一个经济体系）。
我的程序生成数字并将其保存到文本文件中。当我想从我的发电机中“拉”出数字时，我希望它确保有赢家。
问：我如何让 Python 从我的文本文件中随机选择一行并将我的输出作为该数字给出？
【问题讨论】：
标签： python file random python-3.3
【发布时间】：2013-02-17 18:48:46
【问题描述】：
我如何让 python 从我的文本文件中随机选择一行并将我的输出作为那个数字？
假设文件相对较小，以下可能是最简单的方法：
import random
line = random.choice(open('data.txt').readlines())
【讨论】：
如果文件非常大 - 您可以在给定文件大小的情况下寻找文件中的随机位置，然后获取下一个完整行：
import os, random
def get_random_line(file_name):
total_bytes = os.stat(file_name).st_size
random_point = random.randint(0, total_bytes)
file = open(file_name)
file.seek(random_point)
file.readline() # skip this line to clear the partial line
return file.readline()
【讨论】：
-
该方法会使较短的行被选择的机会较小，因此如果您真的希望随机生成器以相同的概率选择每一行，这不是一个好的选择。
-
它也永远不会返回第一行，并且当 random_point 在最后一行时根本不会返回一行。
def random_line():
line_num = 0
selected_line = ''
with open(filename) as f:
while 1:
line = f.readline()
if not line: break
line_num += 1
if random.uniform(0, line_num) < 1:
selected_line = line
return selected_line.strip()
虽然这里给出的大多数方法都可以工作，但它们倾向于一次将整个文件加载到内存中。但不是这种方法。因此，即使文件很大，这也可以。
乍一看，这种方法不是很直观。这背后的定理表明，当我们在其中看到 N 行时，到目前为止，它们中的每一个都被选中的概率恰好是 1/N。
【讨论】：
对你的输入文件稍作修改（将项目的数量存储在第一行），你可以统一选择一个数字，而不必先将整个文件读入内存。
import random
def choose_number( frame ):
with open(fname, "r") as f:
count = int(f.readline().strip())
for line in f:
if not random.randrange(0, count):
return int(line.strip())
count-=1
假设您有 100 个数字。选择第一个数字的概率是 1/100。选择第二个数字的概率是 (99/100)(1/99) = 1/100。选择第三个数字的概率是 (99/100)(98/99)(1/98) = 1/100。我将跳过正式的证明，但选择 100 个数字中的任何一个的几率都是 1/100。
将计数存储在第一行并不是绝对必要的，但它可以省去为了计算行数而读取整个文件的麻烦。无论哪种方式，您都不需要将整个文件存储在内存中以相同概率选择任何单行。
【讨论】：
-
如果您已经将行数作为第一个元素，则无需为每一行调用
random.randrange。只需随机选择行号并前进到该行。
在我的头顶：
import random
def pick_winner(self):
lines = []
with open("file.txt", "r") as f:
lines = f.readlines();
random_line_num = random.randrange(0, len(lines))
return lines[random_lines_num]
【讨论】：
另一种方法：
import random, fileinput
text = None
for line in fileinput.input('data.txt'):
if random.randrange(fileinput.lineno()) == 0:
text = line
print text
分布：
$ seq 1 10 > data.txt
# run for 100000 times
$ ./select.py > out.txt
$ wc -l out.txt
100000 out.txt
$ sort out.txt | uniq -c
10066 1
10004 10
10023 2
9979 3
9926 4
9936 5
9878 6
10023 7
10154 8
10011 9
我没有看到偏斜，但可能数据集太小...
【讨论】：
-
这会使选择偏向文件中较早出现的数字。
-
它与我预期的有点不同（我没有仔细查看您的代码）。您基本上是在选择一组从 1 到 10 的数字，然后输出最大的一个。因此，尽管选择 1 作为集合的一部分的可能性更大（事实上，它将始终成为集合的一部分，因为
randrange(0,1)将始终返回 0），但它永远不会被返回除非选择了 no 其他数字。请注意，您的分布看起来像一条倒置的钟形曲线，选择极端数字的频率明显高于中间数字。 -
@chepner - 你在这里做点什么。今天学了点儿新东西。我想我会玩一段时间的发行版。谢谢。
-
所以，我计算了一些概率，并且对 选择 较小数字的偏见和对 输出 较大数字的偏见完全抵消了，所以你应该有 1/10 的机会输出 10 个数字中的任何一个。例如，选择数字 3 的几率是 1/3，但不选择更大数字的几率是 (3/4)(4/5)。 ..(9/10)，两者的乘积正好是 1/10。我认为我看到的倒钟形曲线可能是由于样本量小。
-
+1。没有偏斜。该算法产生均匀分布。 @chepner：这是众所周知的reservoir sampling with k==1 algorithm。
enumerate()could be used instead offileinput.lineno()
我看了一个python教程，发现了这个sn-p：
def randomLine(filename):
#Retrieve a random line from a file, reading through the file once
fh = open("KEEP-IMPORANT.txt", "r")
lineNum = 0
it = ''
while 1:
aLine = fh.readline()
lineNum = lineNum + 1
if aLine != "":
#
# How likely is it that this is the last line of the file ?
if random.uniform(0,lineNum)<1:
it = aLine
else:
break
nmsg=it
return nmsg
#this is suposed to be a var pull = randomLine(filename)
【讨论】：