Как сделать random с неравномерным распределением в Python?

Question

[kAIST]

Есть некий список, из которого случайным образом нужно выбирать элемент. Но вероятность того что выпадет элемент в начале списка должна быть выше чем в конце.
Как это реализовать на Python?

Answer 1

[Roman_Kh]

Сначала определите предельно конкретно, что означает "в начале вероятность выше, чем в конце".
После чего сможете написать свою функцию распределения. Например, в вашем списке 4 элемента и вероятности распределены так: 60, 25, 12, 3, то есть 60% - для 1-го элемента, 25% - для 2-го и так далее.
Тогда

your_data_list = [...]
probabilities_list=[60, 85, 97, 100]
rnd = random.uniform(1, 100)
idx = -1
idx_found = False
while idx < len(probabilities_list) and not idx_found:
  idx += 1
  idx_found = rnd <= probabilities_list[idx]
your_random = your_data_list[idx]

Однако, это очень медленный способ (и к тому же не лишенный некоторых проблем).

Можно сделать быстрее и короче с помощью модуля bisect:
idx = bisect.bisect_right(probabilities_list, rnd)
Этот вариант будет заметно быстрее (иногда, правда, на 20%, но иногда и в 3.5 раза).

Но правильнее всего использовать numpy:

numpy.random.choice(your_data_list, size=N, p=prb_list)

Это будет раз в 10 быстрее.
При этом prb_list должен содержать именно вероятности появления каждого элемента, т.е. для вышеприведенного примера [0.6, 0.25, 0.12, 0.03]

Comments

[kAIST]

Спасибо за ликбез, правда поступил несколько проще )
Так как элементов максимум под пару сотен, решил не заморачиваться с генерацией списка распределения, а сделать "в лоб":
my_list=[.....]
out_list=[]
for n,x in enumerate(my_list):
for y in xrange(n):out_list.append(x)
random.choice(out_list)

В итоге, чем ближе элемент к концу списка, тем больше вероятность его появления )

Answer 2

[nirvimel]

Сделал справочную таблицу по функциям модуля random, которые генерируют значения с заданным вероятностным распределением.

Функция	Вероятностное распределение
random.uniform(a, b)	Uniform distribution (Непрерывное равномерное распределение)
random.triangular(low, high, mode)	Triangular distribution
random.betavariate(alpha, beta)	Beta distribution (Бета-распределение)
random.expovariate(lambd)	Exponential distribution (Экспоненциальное распределение)
random.gammavariate(alpha, beta)	Gamma distribution (Гамма-распределение)
random.gauss(mu, sigma) random.normalvariate(mu, sigma)	Normal distribution (Нормальное распределение)
random.lognormvariate(mu, sigma)	Log-normal distribution (Логнормальное распределение)
random.vonmisesvariate(mu, kappa)	Von_Mises_distribution
random.paretovariate(alpha)	Pareto distribution (Распределение Парето)
random.weibullvariate(alpha, beta)	Weibull distribution (Распределение Вейбулла)

Что касается вопроса, то, в зависимости от формы графика, которой вы добиваетесь, вам может подойти одно из этих:

1. random.triangular(0., 1., 0.)
   
2. random.expovariate(1.) (параметр lambd характеризует "наклон" графика, значение 1. выбрано произвольно)
   
3. math.fabs(random.gauss(0., 1.)) (параметр sigma характеризует "наклон" графика, значение 1. выбрано произвольно)