我正在嘗試編寫一種算法，該算法將從序列中隨機(jī)選擇N個(gè)不同的項(xiàng)，而無需事先知道序列的大小，并且在一個(gè)以上的序列上進(jìn)行多次迭代的開銷很大。例如，序列的元素可能是一個(gè)巨大文件的行。當(dāng)N = 1（即“從一個(gè)巨大的序列中隨機(jī)挑選一個(gè)元素”）時(shí)，我找到了一種解決方案：import randomitems = range(1, 10) # Imagine this is a huge sequence of unknown lengthcount = 1selected = Nonefor item in items: if random.random() * count < 1: selected = item count += 1但是，對于其他N值（例如N = 3），我該如何實(shí)現(xiàn)相同的目標(biāo)呢？
3 回答
月關(guān)寶盒
TA貢獻(xiàn)1772條經(jīng)驗(yàn) 獲得超5個(gè)贊
使用儲(chǔ)層取樣。這是一個(gè)非常簡單的算法，適用于任何算法N。
這是一個(gè)Python實(shí)現(xiàn)，這是另一個(gè)。
慕無忌1623718
TA貢獻(xiàn)1744條經(jīng)驗(yàn) 獲得超4個(gè)贊
如果您的序列足夠短，以至于可以將其讀入內(nèi)存并對其進(jìn)行隨機(jī)排序，那么一種簡單的方法就是使用random.shuffle：
import random
arr=[1,2,3,4]
# In-place shuffle
random.shuffle(arr)
# Take the first 2 elements of the now randomized array
print arr[0:2]
[1, 3]
根據(jù)序列的類型，您可能需要通過調(diào)用將其轉(zhuǎn)換為列表list(your_sequence)，但是不管序列中對象的類型如何，此方法都可以工作。
自然，如果您無法將序列適合內(nèi)存，或者此方法對內(nèi)存或CPU的要求過高，則需要使用其他解決方案。
茅侃侃
TA貢獻(xiàn)1842條經(jīng)驗(yàn) 獲得超22個(gè)贊
import random
my_list = [1, 2, 3, 4, 5]
num_selections = 2
new_list = random.sample(my_list, num_selections)
# To preserve the order of the list, you could do:
randIndex = random.sample(range(len(my_list)), n_selections)
randIndex.sort()
new_list = [my_list[i] for i in randIndex]
添加回答
舉報(bào)
0/150
提交
取消