如何根据元素的属性对列表进行概率排序？

Question

考虑这个User 对象示例：

import numpy as np


class User:
    def __init__(self, name, rating, actual_rating):
        self.name: str = name
        self.rating: int = rating

        # Actual States
        self.actual_rating: int = actual_rating

users = []
for actual_rating in np.random.binomial(10000, 0.157, 1000):
    users.append(
        User(str(random()), 1500, actual_rating)
    )


# Sorting Users Randomly
sorted_users = []

我如何对这个users 列表进行排序，以便对象在sorted_users 中的索引较低的可能性取决于actual_rating 较高。例如，随机的User("0.5465454", 1500, 1678) 比User("0.7689989", 1500, 1400) 更有可能被排序到sorted_users 列表的索引0。

如果可能的话，有没有一种简洁易读的方法来做到这一点？

Answer 1

为每个用户生成一个随机值，然后根据这个值排序

如何进行第一遍，为每个用户生成一个来自高斯分布的随机数，平均为实际评级？那你就按照这个随机数排序，而不是直接按照actual_rating排序。

stddev = 1.0   # the larger this number, the more shuffled the list - the smaller, the more sorted the list

sorted_users = sorted(users, key=lambda u:np.random.normal(u.actual_rating, stddev))

注意参数stddev，您可以根据需要进行调整。这个参数越高，最后打乱的列表越多。

对列表进行排序，然后轻轻洗牌

灵感来自How to lightly shuffle a list in python?

将列表按照actual_rating排序，然后轻轻洗牌。

sorted_users = sorted(users, key=lambda u:u.actual_rating)

nb_passes = 3
proba_swap = 0.25

for k in range(nb_passes):
  for i in range(k%2, len(sorted_users) - 1, 2):
    if random() < proba_swap:
      sorted_users[i], sorted_users[i+1] = sorted_users[i+1], sorted_users[i]

注意nb_passes（正整数）和proba_swap（介于0.0 和1.0 之间）这两个参数，您可以调整它们以更好地满足您的需求。

除了使用固定参数proba_swap，您还可以根据两个用户的实际评分接近程度制定一个交换概率公式，例如def proba_swap(r1,r2): return math.exp(-a*(r1-r2)**2)/2.0 用于某些正参数a。

或者：

sorted_users = sorted(users, key=lambda u:u.actual_rating)

nb_swaps = int(1.5 * len(sorted_users))  # parameter to experiment with

for i in random.choices(range(len(sorted_users)-1), k=nb_swaps):
    sorted_users[i], sorted_users[i+1] = sorted_users[i+1], sorted_users[i]

另见

搜索了一下，发现了这个类似的问题：

• Randomly sort a list with bias