Python的Numpy np.random.choice的scala等效项是什么？（scala中的随机加权选择）

Question

我在寻找Scala的等效代码或python np.random.choice（Numpy为np）的基础理论。 我有一个类似的实现，它使用Python的np.random.choice方法从概率分布中选择随机移动。

Python的代码

输入列表：['pooh'，'rabbit'，'piglet'，'Christopher']和概率：[0.5、0.1、0.1、0.3]

考虑到每个输入元素的相关概率，我想从输入列表中选择一个值。

Answer 1

Scala标准库没有np.random.choice等效项，但是构建您自己的库应该不难，具体取决于您要模拟的选项/功能。

例如，这里是一种获取提交项目的无限Stream的方法，其中任一项目相对于其他项目加权的可能性。

def weightedSelect[T](input :(T,Int)*): Stream[T] = {
  val items  :Seq[T]    = input.flatMap{x => Seq.fill(x._2)(x._1)}
  def output :Stream[T] = util.Random.shuffle(items).toStream #::: output
  output
}

这样，每个输入项都有一个乘数。 因此，要获得字符c和v的无限伪随机选择，其中c占时间的3/5，而v占时间的2/5：

val cvs = weightedSelect(('c',3),('v',2))

因此， np.random.choice(aa_milne_arr,5,p=[0.5,0.1,0.1,0.3])示例的大致等效为：

weightedSelect("pooh"-> 5
              ,"rabbit" -> 1
              ,"piglet" -> 1
              ,"Christopher" -> 3).take(5).toArray

---

或者，也许您想要一个更好的（较少的伪）随机分布，该分布可能会严重偏离。

def weightedSelect[T](items :Seq[T], distribution :Seq[Double]) :Stream[T] = {
  assert(items.length == distribution.length)
  assert(math.abs(1.0 - distribution.sum) < 0.001) // must be at least close

  val dsums  :Seq[Double] = distribution.scanLeft(0.0)(_+_).tail
  val distro :Seq[Double] = dsums.init :+ 1.1 // close a possible gap
  Stream.continually(items(distro.indexWhere(_ > util.Random.nextDouble())))
}

结果仍然是指定元素的无限Stream ，但是传入的参数有些不同。

val choices :Stream[String] = weightedSelect( List("this"     , "that")
                                           , Array(4998/5000.0, 2/5000.0))

// let's test the distribution
val (choiceA, choiceB) = choices.take(10000).partition(_ == "this")

choiceA.length  //res0: Int = 9995
choiceB.length  //res1: Int = 5  (not bad)