生成具有给定（数值）分布的随机数

Question

我有一个文件，其中包含不同值的一些概率，例如：

 1 0.1
2 0.05
3 0.05
4 0.2
5 0.4
6 0.2

我想使用这个分布生成随机数。是否存在处理此问题的现有模块？自己编写代码相当简单（构建累积密度函数，生成随机值 [0,1] 并选择相应的值），但这似乎应该是一个常见问题，可能有人已经为它。

我需要这个，因为我想生成一个生日列表（不遵循标准 random 模块中的任何分布）。

原文由 pafcu 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

scipy.stats.rv_discrete 可能是你想要的。您可以通过 values 参数提供您的概率。然后可以使用分发对象的 rvs() 方法来生成随机数。

正如 Eugene Pakhomov 在评论中指出的那样，您还可以将 p 关键字参数传递给 numpy.random.choice() ，例如

numpy.random.choice(numpy.arange(1, 7), p=[0.1, 0.05, 0.05, 0.2, 0.4, 0.2])

如果您使用的是 Python 3.6 或更高版本，则可以使用标准库中的 random.choices() - 请参阅 Mark Dickinson 的答案。

原文由 Sven Marnach 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

从 Python 3.6 开始，在 Python 的标准库中有一个解决方案，即 random.choices 。

用法示例：让我们设置一个与 OP 问题中的人口和权重相匹配的人口和权重：

 >>> from random import choices
>>> population = [1, 2, 3, 4, 5, 6]
>>> weights = [0.1, 0.05, 0.05, 0.2, 0.4, 0.2]

现在 choices(population, weights) 生成一个样本，包含在长度为 1 的列表中：

 >>> choices(population, weights)
[4]

可选的仅关键字参数 k 允许一次请求多个样本。这是有价值的，因为在生成任何样本之前，每次调用它时都必须做一些准备工作 random.choices ；通过一次生成许多样本，我们只需要做一次准备工作。这里我们生成一百万个样本，并使用 collections.Counter 来检查我们得到的分布是否与我们给出的权重大致匹配。

 >>> million_samples = choices(population, weights, k=10**6)
>>> from collections import Counter
>>> Counter(million_samples)
Counter({5: 399616, 6: 200387, 4: 200117, 1: 99636, 3: 50219, 2: 50025})

原文由 Mark Dickinson 发布，翻译遵循 CC BY-SA 4.0 许可协议