Python 是一種靈活而有效的程式語言，提供了廣泛的底層功能和函式庫來改進複雜的編碼任務。其中一項任務是執行加權不規則決策，這是一種可衡量的策略，其中每件事都有預先定義的被挑選的可能性。與簡單隨機選擇（其中每個項目被選擇的機會相同）不同，加權隨機選擇允許我們指定每個項目被選擇的可能性，該可能性可能會有所不同。本文旨在全面了解如何在 Python 中獲得加權隨機選擇。
Python 中促進加權隨機選擇的主要方法是 random.choices()。這是它的基本語法：
random.choices(population, weights=None, cum_weights=None, k=1)
人口是一個必要的組成部分。您將從該清單中進行選擇。
沒有義務提供重量。與總體清單中每個單獨成員相對應的權重清單。
cum_weights 是一個完全可選的欄位。已累積的權重列表。
字母 k 不是必要的。整數形式的數字，指定要選擇的項目數。預設值為 1。
為了更好地理解加權隨機選擇的操作，請遵循以下逐步演算法：
在 Python 中匯入 random 模組。
定義總體，即您要從中選擇的元素清單。
定義權重，即與總體中每個元素相對應的機率列表。確保權重與整體元素保持一致。
使用 random.choices() 方法，指定要選擇的總體、權重和元素數量。
執行程式碼並分析結果。
使用帶有權重參數的 random.choices() 方法：此方法使用 Python 的內建函數，明確提供每個元素的權重。
import random population = ['Red', 'Blue', 'Green'] weights = [0.6, 0.3, 0.1] chosen = random.choices(population, weights, k=5) print(chosen)
['Red', 'Green', 'Blue', 'Blue', 'Blue']
此 Python 腳本利用隱式不規則模組，尤其是 random.choices() 函數，根據最近表徵的清單產生加權不規則確定。可以從標題為「population」的清單中選擇以下選項：「紅色」、「藍色」和「綠色」。 「權重」清單表示以以下比例選擇每個組件的幾率：相應的 60%、30% 和 10%。腳本從「population」變數中隨機選擇五個項目，同時考慮已定義的「權重」。這是透過使用合適的參數來呼叫 random.choices 功能來實現的。 「k」參數的值顯示了要在池中查看的事物的數量。之後，將列印所選的元素。
使用 numpy.random.choice()：此方法適用於 numpy 庫，它是一個強大的數值運算工具，也支援加權隨機選擇。
import numpy as np population = ['Red', 'Blue', 'Green'] weights = [0.6, 0.3, 0.1] chosen = np.random.choice(population, 5, p=weights) print(chosen)
['Red' 'Red' 'Red' 'Red' 'Blue']
為了執行加權隨機選擇，該腳本使用 numpy 函式庫並呼叫 numpy.random.choice() 函數。 「population」和「weights」清單的定義方式與第一個代碼相同。另一方面，使用此方法，機率參數由字母 p 表示，而不是單字「權重」。腳本透過使用參數population、5 和p=weights 呼叫函數np.random.choice，從「population」變數中隨機選擇五個項目。該選擇基於已指定的機率。這段程式碼沒有像第一段程式碼那樣產生列表，而是產生一個包含所有所選元素的 numpy 陣列。
在本文中，我們探討了兩種在 Python 中利用內建函數和外部函式庫實現加權隨機選擇的重要方法。使用 random.choices() 和 numpy.random.choice() 方法，您可以有效地操縱清單中每個元素的機率，從而更好地控制隨機選擇。
理解並正確實施加權隨機選擇對於各種場景（從簡單的遊戲到複雜的數據科學任務）都是至關重要的，因為它反映了生活中機率的現實不均勻分佈。透過掌握這項技術，您就為您的 Python 程式設計工具包添加了一個重要的工具。
請記住，random.choices() 函數和 numpy.random.choice() 不限於加權隨機選擇 - 它們提供更多功能。請隨意深入研究這些函式庫，以釋放 Python 的全部潛力。請記住，練習是掌握任何概念的關鍵，因此請繼續編碼並繼續探索！
以上是如何在Python中實現加權隨機選擇？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
