Python 是一种灵活而有效的编程语言，提供了广泛的底层功能和库来改进复杂的编码任务。其中一项任务是执行加权不规则决策，这是一种可衡量的策略，其中每件事都有预先定义的被挑选的可能性。与简单随机选择（其中每个项目被选择的机会相同）不同，加权随机选择允许我们指定每个项目被选择的可能性，该可能性可能会有所不同。本文旨在全面了解如何在 Python 中获得加权随机选择。
语法
Python 中促进加权随机选择的主要方法是 random.choices()。这是它的基本语法：
random.choices(population, weights=None, cum_weights=None, k=1)
人口是一个必要的组成部分。您将从该列表中进行选择。
-
没有义务提供重量。与总体列表中每个单独成员相对应的权重列表。
立即学习“Python免费学习笔记（深入）”；
cum_weights 是一个完全可选的字段。已累积的权重列表。
字母 k 不是必需的。整数形式的数字，指定要选择的项目数。默认值为 1。
算法
为了更好地理解加权随机选择的操作，请遵循以下分步算法：
在 Python 中导入 random 模块。
定义总体，即您要从中选择的元素列表。
定义权重，即与总体中每个元素相对应的概率列表。确保权重与总体元素保持一致。
使用 random.choices() 方法，指定要选择的总体、权重和元素数量。
执行代码并分析结果。
方法 1：使用 random.choices()
使用带有权重参数的 random.choices() 方法：此方法使用 Python 的内置函数，显式提供每个元素的权重。
示例
import random population = ['Red', 'Blue', 'Green'] weights = [0.6, 0.3, 0.1] chosen = random.choices(population, weights, k=5) print(chosen)
输出
['Red', 'Green', 'Blue', 'Blue', 'Blue']
说明
该 Python 脚本利用隐式不规则模块，尤其是 random.choices() 函数，根据最近表征的列表生成加权不规则确定。可以从标题为“population”的列表中选择以下选项：“红色”、“蓝色”和“绿色”。 “权重”列表表示按以下比例选择每个组件的几率：相应的 60%、30% 和 10%。该脚本从“population”变量中随机选择五个项目，同时考虑已定义的“权重”。这是通过使用合适的参数调用 random.choices 功能来实现的。 “k”参数的值显示了要在池中查看的事物的数量。之后，将打印所选的元素。
方法 2：使用 numpy.random.choice()
使用 numpy.random.choice()：此方法适用于 numpy 库，它是一个强大的数值运算工具，还支持加权随机选择。
示例
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)
输出
['Red' 'Red' 'Red' 'Red' 'Blue']
说明
为了执行加权随机选择，该脚本使用 numpy 库并调用 numpy.random.choice() 函数。 “population”和“weights”列表的定义方式与第一个代码相同。另一方面，使用此方法，概率参数由字母 p 表示，而不是单词“权重”。该脚本通过使用参数population、5 和p=weights 调用函数np.random.choice，从“population”变量中随机选择五个项目。该选择基于已指定的概率。这段代码没有像第一段代码那样生成列表，而是生成一个包含所有所选元素的 numpy 数组。
结论
在本文中，我们探索了两种在 Python 中利用内置函数和外部库实现加权随机选择的重要方法。使用 random.choices() 和 numpy.random.choice() 方法，您可以有效地操纵列表中每个元素的概率，从而更好地控制随机选择。
理解并正确实施加权随机选择对于各种场景（从简单的游戏到复杂的数据科学任务）都是至关重要的，因为它反映了生活中概率的现实不均匀分布。通过掌握这项技术，您就为您的 Python 编程工具包添加了一个重要的工具。
请记住，random.choices() 函数和 numpy.random.choice() 不限于加权随机选择 - 它们提供更多功能。请随意深入研究这些库，以释放 Python 的全部潜力。请记住，练习是掌握任何概念的关键，因此请继续编码并继续探索！
